MCMC模拟初学

本文介绍了蒙特卡罗思想,通过大数定律生成概率分布π(x)的样本。接着讲解了马尔科夫链的概念,即状态仅依赖当前状态而不依赖历史状态的过程。最后探讨了MCMC算法,利用马尔科夫链的收敛性质生成目标分布π(x)的样本,用于估计期望值。
摘要由CSDN通过智能技术生成

蒙特卡罗思想

假设某个函数h(x)关于概率分布 π ( x ) \pi(x) π(x)的期望
E π E_\pi Eπ(h(x))= ∫ \int h(x) π \pi π(x)dx

存在。如果能生成服从 π \pi π(x)的n独立样本 x 1 x_1 x1 x 2 x_2 x2,…, x n x_n xn,根据大数定理,对充分大的n,可以取
y ^ = ∑ k = 1 n h ( x k ) / n \hat{y}=\sum_{k=1}^{n}h(x_k)/n y^=k=1n

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