拒绝抽样是一种在无法直接从目标分布f(x)中采样时，利用易于采样的g(x)分布来获取样本的统计方法。关键条件包括f(x)≤M*g(x)，g(x)易于采样且与f(x)形状接近。采样过程涉及对g(x)和均匀分布U(a,b)的采样，通过比较f(x)/(M*g(x))与u来决定样本的有效性。重复此过程直至得到所需数量的有效样本。"
108349490,9600649,理解Spring AOP中的Aspect表达式,"['java', 'Spring', 'AOP']
拒绝抽样，直观地理解，为了得到一个分布的样本，我们通过某种机制得到了很多的初步样本，然后其中一部分初步样本会被作为有效的样本（即要抽取的分布的样本），一部分初步样本会被认为是无效样本舍弃掉。这个算法的基本思想是：我们需要对一个分布f(x)进行采样，但是却很难直接进行采样，所以我们想通过另外一个容易采样的分布g(x)的样本，用某种机制去除掉一些样本，从而使得剩下的样本就是来自与所求分布f(x)的样本。
它有几个条件：1）对于任何一个x，有f(x)<=M*g(x); 2) g(x)容易采样；3) g(x)最好在形状上比较接近f(x)。具体的采样过程如下：
1. 对于g(x)进行采样得到一个样本xi, xi ~ g(x);
2. 对于均匀分布采样 ui ~ U(a,b);
3. 如果ui<= f(x)/[M*g(x)], 那么认为xi是有效的样本；否则
1563
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
