一,采样方法
1,接受-拒绝抽样
2,重要性抽样
3,MCMC(马尔可夫链蒙特卡洛方法):metropolis-hasting算法和它的特例Gibbs采样算法
一,随机模拟的基本思想
1,求不规则面积:
a,分割计算
b,我们抓一把黄豆,把它们均匀地铺在矩形区域,如果我们知道黄豆的总个数S,那么只要我们数数位于不规则区域M中的黄豆个数S1,那么我们就可以求出M的面积: M=S1∗R/S 。
2,求解定积分
∫baf(x)dx
采用蒙特卡洛积分,即把上述式子改写为:
∫baf(x)∗g(x)/g(x)dx=∫ba(1/g(x))∗f(x)∗g(x)dx
把 f(x)g(x) 当成一个函数,g(x)看出[a,b]上的一个概率分布
抽取n个样本后,可知 ∑n1[f(xi)/g(xi)]/n
二,常见的抽样方法
2.0,直接抽样法
2.1,接受-拒绝抽样
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。
条件:
1)对于任何一个x,有 f(x)≤Mg(x) ;
2) g(x)容易采样;
3) g(x)最好在形状上比较接近f(x)。
采样过程:
1. 对于g(x)进行采样得到一个样本 xi,xi∼