第1章 从随机变量采样
研究者提出的概率模型对于分析方法来说通常比较复杂，研究者处理复杂概率模型时越来越依赖计算、数值方法，通过使用计算方法，研究者就不用对一些分析技术做一些不现实的假设（如正态性和独立性）。
大多数近似技术的关键是能够从分布中采样。需要采样来预测一个特别的模型在一些情景下是什么样的，找到在实验数据上应用模型的隐变量（参数）的合适值。大部分计算采样方法把从复杂分布采样的问题转化为简单采样分布的子问题。本章我们将介绍两种采样方法：逆变换方法和拒绝采样。这些方法适用于大多数单变量单值输出，下一章我们将讨论马尔科夫链蒙特卡罗方法，能够有效处理多变量分布。
《Computational Statistics with Matlab》硬译
原文：http://www.cnblogs.com/NaughtyBaby/p/4304757.html