lintsampler：高效从任意概率分布生成随机样本的新方法

在实际应用中，我们经常需要从给定的概率密度函数（PDF）中抽取随机样本。这种需求在多个领域都很常见，例如：

1. 估计统计量
2. 进行蒙特卡洛模拟
3. 生成粒子系统用于物理仿真

对于标准概率分布，如均匀分布或高斯分布（正态分布），

1. numpy

和

1. scipy

生态系统提供了现成的解决方案。通过

1. numpy.random

或

1. scipy.stats

模块，我们可以方便地生成这些分布的随机样本。

然而，现实世界中的概率分布往往远比标准分布复杂。例如，考虑以下非高斯分布：

图1：非高斯概率密度函数示例。等高线表示等密度线，在对数空间中等间隔分布。

 

https://avoid.overfit.cn/post/9731901f70c8460884e46d2f4df4caad