一,采样和蒙特卡罗方法
为什么需要采样
当我们需要以较小的代价近似许多项的和或某个积分时,采样是一种很灵活的选择。
蒙特卡罗采用的基础
蒙特卡罗方法的思想是把这个和或者积分视作某分布下的期望,然后通过估计对应的平均值来近似这个期望。
令:
s=∑xp(x)f(x)=Ep[f(x)] s = ∑ x p ( x ) f ( x ) = E p [ f ( x ) ]
或者
s=∫p(x)f(x)dx=Ep[f(x)] s = ∫ p ( x ) f ( x ) d x = E p [ f ( x ) ]
那么我们就可以通过从分布 p p 中抽样出n个样本 来近似s并得到一个经验平均值:
ŝ n=1n∑i=1nf(x(i)) s ^ n = 1 n ∑ i = 1 n f ( x ( i ) )
其中基本依据是 大数定理和 中心极限定理。
但有时我们并不能从基准分布 p(x) p ( x ) 中轻易地采样,这就需要一些其他采样的方法,如重要采样等等,但其中最通用的方式是构建一个收敛到目标分布的估计序列,这就是MCMC(马尔可夫链蒙特卡罗方法)。
二,重要采样
在蒙特卡罗方法中确定积分中哪一部分作为概率分布 p