蒙特卡洛积分和重要性采样(Importance Sampling)

一、蒙特卡洛积分

  • 蒙特卡洛积分概述:简而言之蒙特卡洛积分就是,在求定积分时,如果找不到被积函数的原函数,无法使用经典牛顿-莱布尼茨积分法得到定积分结果的。而蒙特卡洛积分方法利用一个随机变量对被积函数进行采样,并将采样值进行一定的处理可以得到定积分的一个近似值,当采样数量很高时,得到的近似值可以很好的近似原积分的结果。这样一来,我们就不用去求原函数的形式,就能求得积分的近似结果。

  • 补充一些基础性公式:

    • 假设一连续型随机变量 X X X的样本空间为 D D D,其概率密度分布函数为 p ( x ) p(x) p(x),则其数学期望为: E ( X ) = ∫ D x p ( x ) d x E(X)= ∫_Dxp(x)dx E(X)=Dxp(x)dx
    • 若另一连续随机变量 Y Y Y满足 Y = f ( X ) Y=f(X) Y=f(X),则 Y Y Y的数学期望为: E ( Y ) = ∫ D f ( x ) p ( x ) d x E(Y)= ∫_Df(x)p(x)dx E(Y)=Df(x)p(x)dx
  • 蒙特卡洛积分方法基础形式

    • 现在 假设我们要计算一个定积分: A = ∫ a b f ( x ) d x A=∫_a^bf(x)dx A=abf(x)dx根据牛顿-莱布尼茨公式我们可以得到: A = ∫ a b f ( x ) d x = F ( b ) − F ( a ) A=∫_a^bf(x)dx=F(b)-F(a) A=abf(x)dx=F(b)F(a)其中 F ( x ) F(x) F(x) f ( x ) f(x) f(x)的一个原函数。
    • 如果我们不知道或者无法求得原函数,我们该怎么计算这个定积分呢。那么就需要借助蒙特卡洛积分(Monte Carlo Integration)方法
      • 首先我们可以在区间 [ a , b ] [a,b] [a,b]上进行均匀采样得到: { X 1 , … , X N } \{X_1,…,X_N\} { X1,,XN},样本对于的函数值为: { f ( X 1 ) , … , f ( X N ) } \{f(X_1),…,f(X_N)\} { f(X1),,f(XN)}
      • 然后再求和得到: F N ≈ b − a N ∑ i = 1 N f ( X i ) F_N≈\frac{b-a}{N} ∑_{i=1}^Nf(X_i) FNNbai=1Nf(Xi)
      • F N F_N FN作为A近似估值。
      • 这个和定积分的定义(黎曼积分)非常相似,只是在定积分的定义中 { X 1 , … , X N } \{X_1,…,X_N\} { X1,,XN}是不均匀采样得到而是对区间[a,b]均匀划分得到: { x 1 = a , … , x N = b } \{x_1=a,…,x_N=b\} { x1=a,,xN=b}。根据定积分的定义如果划分的次数N趋于无穷大的时候 F N = A F_N=A FN=A.如下图所示:
  • 蒙特卡洛积分方法的正确性进行进一步分析:

    • { X 1 , … , X N } \{X_1,…,X_N\} { X1,,XN}是通过均匀分布采样得到的,则 X i X_i Xi也是随机变量并且服从均匀分布,即: X i X_i Xi~ U ( a , b ) U(a,b) U(a,b)

    • F N F_N FN { X 1 , … , X N } \{X_1,…,X_N\} { X1,,XN}的函数那么 F N F_N FN是一个样本统计量也是一个随机变量。

    • 那么现在我们计算一下 F N F_N FN的数学期望: E [ F N ] = E [ b − a N ∑ i = 1 N f ( X i ) ] = b − a N ∑ i = 1 N E [ f ( X i ) ] =

  • 18
    点赞
  • 63
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值