为何R语言ecdf函数对混合均匀分布CDF的逼近效果差？

核心问题是你没有正确从目标混合均匀分布中抽取样本。ecdf()函数本身是可靠的——根据格里文科-坎泰利定理，只要样本严格来自目标分布，随着样本量增大，ECDF必然依概率收敛到真实CDF。你的情况显然是样本生成逻辑错误，导致生成的样本根本不属于目标分布，自然无法逼近真实CDF。

目标分布的正确抽样逻辑 #

你的目标分布是两个均匀分布的等权重混合：

• 分量1：$U(-1, 2)$，权重1/2
• 分量2：$U(0, 1)$，权重1/2

正确的抽样步骤必须先按权重选择分量，再从选中的分量中抽取样本：

1. 生成伯努利变量（概率0.5选分量1，0.5选分量2）
2. 根据选中的分量，从对应均匀分布中抽取样本

正确抽样的R代码示例 #

set.seed(123)
n <- 10000

# 按权重选择分量
component <- sample(c(1, 2), size = n, replace = TRUE, prob = c(0.5, 0.5))
# 生成符合目标分布的样本
x <- ifelse(component == 1, runif(n, -1, 2), runif(n, 0, 1))

# 计算ECDF
ecdf_approx <- ecdf(x)

# 定义真实CDF
true_cdf <- function(x) {
  dplyr::case_when(
    x < -1 ~ 0,
    x >= -1 & x < 0 ~ (x + 1)/(6),
    x >= 0 & x < 1 ~ 1/6 + (x)/2,
    x >= 1 & x < 2 ~ 1/6 + 1/2 + (x - 1)/6,
    x >= 2 ~ 1
  )
}

# 绘图对比
plot(ecdf_approx, main = "ECDF vs 真实CDF", col = "blue", lwd = 2)
curve(true_cdf, from = -1.5, to = 2.5, add = TRUE, col = "red", lwd = 2, lty = 2)
legend("bottomright", legend = c("ECDF", "真实CDF"), col = c("blue", "red"), lwd = 2, lty = c(1,2))

运行这段代码可以看到，样本量越大，ECDF越贴近真实CDF。

常见的抽样错误场景 #

• 错误地将两个均匀样本直接平均：比如x <- (runif(n,-1,2) + runif(n,0,1))/2，这得到的是两个独立均匀变量的均值分布，和目标混合分布完全无关。
• 分量权重设置错误：比如用了非等权重的抽样概率，导致样本偏向某一个分量。
• 均匀分布参数写错：比如把runif(n,-1,2)误写成runif(n,0,2)，直接改变了第一个分量的分布范围。
• 样本拼接逻辑错误：比如直接把两个分布的样本拼接后截断，没有按权重控制样本比例。

结论 #

ecdf()函数本身不存在问题，只要修正样本生成逻辑，确保样本严格来自目标混合均匀分布，ECDF就会随着样本量增大收敛到真实CDF。

内容的提问来源于stack exchange，提问作者Smilia