目录
Monte Carlo方法也称做随机抽样方法,通过统计模拟实验逼近真实的物理过程。
1、重点抽样法
重点抽样法,重点抽样法意在提高蒙特卡罗抽样方法的效率,许多抽样方法的通病就是将大量计算时间浪费在函数值几乎为零的抽样上,因此,应该在被积函数f(x)值小的地方少抽点,在值大的地方多抽点。构造一个概率密度函数g_x(x),使其形状尽可能接近目标函数f(x),并且可以很方便地从中从g_x(x)抽取样本。
2、取舍法
假设是可计算的,其中\pi是概率密度函数或概率分布函数,c是一未知常量。找到一个抽样分布g(x)和常数M,使得所有x满足包络性,此时,我们可以采用概率r在g(x)中抽取到符合分布的样本,其中
3、分层抽样法
在分层抽样法中,为估算的值,将积分域x划分为n个不相交的小区域,这样在每个小区域内,函数f(x)的值都接近一个常数,从而将积分运算转变成计算小区域加法的形式。
4、序贯抽样法
序贯抽样是指在抽样的过程中,不事先规定总的观测或实验次数,而是先抽少量样本,根据结果决定暂停抽样或继续抽取多少样本直至停止抽样。更具体的,指定两个数P和Q,若P<Q,根据各次观测得的样本的值,依次计算概率比。