X1∼Y+ZX2∼W+ZZU(1−U)
Üçüncü popüler yöntem (NORTA) NORmal To Anything ; ilişkili normal varyasyonlar üretin, ilgili cdf'lerini değerlendirerek bunları tekdüze rastgele değişkenler haline getirin, sonra bu "yeni" tekdüze rasgele değişkenleri yeni dağıtımdan çekilişler oluştururken rastgelelik kaynağı olarak kullanın.
Başka bir gönderide bahsedilen kopula (tüm yöntem sınıfı) yaklaşımının yanı sıra, ruh olarak kopula yaklaşımına benzer olan maksimum bağlantı dağılımından da örnek alabilirsiniz. Maksimum dağılımdan marjinal dağılımları ve örneği belirtirsiniz. Bu, Pierre Jacob tarafından burada açıklandığı gibi 2 kabul-reddetme adımı ile gerçekleştirilir . Muhtemelen bu yöntem 2'den daha yüksek boyutlara genişletilebilir, ancak başarılması daha karmaşık olabilir. Maksimal kavrama marjinaller parametrelerinin değerlerine bağlı olan bir ilişki neden olacağı Not bakın bu benim soruya Xi'an'ın yanıtında bu güzel örneğin alır.
Yaklaşık (çoğu durumda) örnekleri kabul etmek istiyorsanız, MCMC teknikleri de çok boyutlu dağılımlardan örnek alma seçeneğidir.
Ayrıca, kabul etmeyi reddetme yöntemlerini kullanabilirsiniz, ancak numuneden baskın bir yoğunluk bulmak ve bunun istenen yoğunluğa oranını değerlendirmek genellikle zordur.
Bu düşünebileceğim tüm ek yöntemler ama muhtemelen kaçırdığım bir çift var.