考虑积分: 设 ε1 是 [0 , 1] 上的均匀随机变量,则:
是 I 的无偏估计, n 足够大时, In 会十分接近 I 。但是 In 方差的大小依赖于 f 的方差,当 f 在定义域内有峰时, In 收敛的很慢,需要较大的 n 值才能得到要求精度的逼近。这会浪费大量机时。
可以采用变换抽样的手段,将 f 转换为方差较小的函数,在新的随机分布上抽样:
求积分步骤如下:
(1) .根据分布密度 g(x) 产生随机点 x ,例如采用反函数法。即:
(2) .求各抽样点的 f(x)/g(x) 值,
用图形描述可以这样:
一般 MC 积分:抽样点在 x 方向均匀,大都落到小值的区域,峰中抽样很少,效率低。
G
而重要抽样要找到与 f 形似的概率密度函数 g ,并在其分布函数 G 上均匀抽样:
G
x
抽样主要落在 f 的峰的位置。