X1∼Y+ZX2∼W+ZZU(1−U)
Un tercer método popular es (NORTA) NORmal To Anything ; generar variables normales correlacionadas, convertirlas en variables aleatorias uniformes mediante la evaluación de sus respectivos cdfs, luego usar estas "nuevas" variables aleatorias uniformes como fuente de aleatoriedad al generar sorteos a partir de la nueva distribución.
Además del enfoque de cópula (una clase completa de métodos) mencionado en otra publicación, también puede tomar muestras de la distribución de acoplamiento máxima que es similar en espíritu al enfoque de cópula. Usted especifica distribuciones marginales y la muestra del acoplamiento máximo. Esto se logra mediante 2 pasos de aceptar-rechazar como lo describe Pierre Jacob aquí . Presumiblemente, este método puede extenderse a dimensiones superiores a 2 pero podría ser más complicado de lograr. Tenga en cuenta que el acoplamiento máximo inducirá una correlación que depende de los valores de los parámetros de los marginales. Consulte esta publicación para ver un buen ejemplo de esto en la respuesta de Xi'an a mi pregunta.
Si está dispuesto a aceptar muestras aproximadas (en la mayoría de los casos), las técnicas MCMC también son una opción para tomar muestras de distribuciones multidimensionales.
Además, podría usar métodos de aceptación-rechazo , pero generalmente es difícil encontrar una densidad dominante de la que tomar muestras y evaluar su relación con la densidad deseada.
Estos son todos los métodos adicionales que se me ocurren, pero probablemente haya un par que me perdí.