图模型句法分析第一讲:随机游走之拒绝采样

本文介绍了Monte Carlo方法在估计π值中的应用,阐述了拒绝采样作为解决复杂问题采样策略的原理。通过定义参考分布G和辅助分布U(0,1),在满足特定条件时,接受或拒绝样本以近似目标分布p(z)。文中还提及了Python代码实现拒绝采样的示例。" 124486845,8073644,KubeVela+Nocalhost:端云联调与多集群部署实践,"['运维', 'Kubernetes', 'Docker', '微服务']
摘要由CSDN通过智能技术生成

蒙特·卡罗方法(Monte Carlo method)也称统计模拟方法,通过重复随机采样模拟对象的概率与统计的问题,在物理、化学、经济学和信息技术领域均具有广泛应用。拒绝采样(reject sampling)就是针对复杂问题的一种随机采样方法。

首先举一个简单的例子介绍Monte Carlo方法的思想。假设要估计圆周率 π \pi π 的值,选取一个边长为1的正方形,在正方形内作一个内切圆,那么我们可以计算得出,圆的面积与正方形面积之比为 π / 4 \pi/4 π/4 。现在在正方形内随机生成大量的点,如图1所示,落在圆形区域内的点标记为红色,在圆形区域之外的点标记为蓝色,那么圆形区域内的点的个数与所有点的个数之比,可以认为近似等于 π / 4 \pi/4 π/4 。因此,Monte Carlo方法是通过随机采样的方式,以频率估计概率。

在这里插入图片描述

简单分布的采样,如均匀分布、高斯分布、Gamma分布等,在计算机中都已经实现,但是对于复杂问题的采样,就需要采取一些策略, 拒绝采样就是一种基本的采样策略,其采样过程如下:

给定一个概率分布 p ( z ) = 1 Z p p ~ ( z ) p(z)=\dfrac{1}{Z_p}\tilde{p}(z) p(z)=Zp1p~(z) 其中 p ~ ( z ) \tilde{p}(z)

评论
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