逆变换采样的方法确实有效，但其实它的缺点也是很明显的，那就是有些分布的CDF可能很难通过对PDF的积分得到，再或者CDF的反函数也很不容易求。这时可能需要用到另外一种采样方法，这就是下面即将要介绍的拒绝采样（Reject Sampling）。
图3-7 拒绝采样的原理
图3-7阐释了拒绝采样的基本思想。假设对PDF为 p （ x ）的函数进行采样，但是由于种种原因（例如这个函数很复杂），对其进行采样是相对困难的。但是另外一个PDF为 q （ x ）的函数则相对容易采样，例如采用逆变换方法可以很容易对对它进行采样，甚至 q （ x ）就是一个均匀分布（别忘了计算机可以直接进行采样的分布就只有均匀分布）。那么，当我们将 q （ x ）与一个常数 M 相乘之后，可以实现如图3-7所示关系，即 M · q （ x ）将 p （ x ）完全“罩住”。
然后重复如下步骤，直到获得 m 个被接受的采样点：
（1）从 q （ x ）中获得一个随机采样点 x i ；
（2）对于 x i 计算接受概率（acceptanceprobability）
（3）从 U （0，1）中随机生成一个值，用 u 表示；
（4）如果 α ≥ u ，则接受 x i 作为一个来自 p （ x ）的采样值，否则就拒绝 x i 并回到第一步。
如图3-8所示，所选择的参考分布是均匀分布（当然也可以选择其他的分布，但采用均匀分布显然是此处最简单的一种处理方式）。而且令常数 M =3。
图3-8 拒绝采样示例
下面给出R中的示例代码，易见此处采样点数目为10 000。
图3-9 程序执行结果
上述代码的执行结果如图3-9所示，可见采样结果是非常理想的。
