【摘要】：随机向量的抽样方法很多。若式所示的随机向量有联合分布函数，且ξ的各个分量ξ1，ξ2，…则式表示的随机变量的抽样值为
随机向量通常可表示为
ξ=（ξ1，ξ2，…，ξn）（7-56）
随机向量的抽样方法很多。若式（7-56）所示的随机向量有联合分布函数，且ξ的各个分量ξ1，ξ2，…，ξn相互独立，则前面所叙述的各种单一变量的抽样方法均可应用，即对各个分量分别独立地进行抽样，汇集起来构成随机向量ξ的一个抽样值：
XF（ξ）=（x1，x2，…，xn）（7-57）
如果ξ的各个分量是相关的，抽样方法就比较复杂了。最常用的方法是“条件分布密度抽样方法”。
设某一个三维随机变量ξ=（ξ1，ξ2，ξ3）具有联合分布密度函数f（x1，x2，x3），则根据概率论理论，有
f（x1，x2，x3）=f1（x1）·f2（x2|x1）·f3（x3|x1，x2）（7-58）
式中f1（x1）为ξ1的边缘分布密度函数fξ1（x），且有
f2（x2|x1）及f3（x3|x1，x2）为ξ2和ξ3的条件分布密度函数，且有
具体抽样时，由边缘分布密度函数f1（x1）产生随机变量ξ1的抽样值x1；然后以x1为参量，由条件分布密度函数f2（x2|x1）产生随机变量ξ2的抽样值x2；最后以x1、x2为参量，由条件分布密度函数f3（x3|x1，x2）产生随机变量ξ3的抽样值x3。则式（7-58）表示的随机变量的抽样值为
XF（ξ）=（x1，x2，x3）（7-62）
如果随机向量的维数不止三维，则依此方法推算下去即可。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
