采样方法

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
$\int_a^bf(x)dx$
采用蒙特卡洛积分，即把上述式子改写为：
$\int_a^bf(x)*g(x)/g(x)dx=\int_a^b(1/g(x))*f(x)*g(x)dx$
把$\frac{f(x)}{g(x)}$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 ${\sum _1^n [f(x_i)/g(x_i)]}/n$

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$f(x)\leq Mg(x)$;
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∼