B站视频地址
引入:布丰投针实验
思想:模拟均匀分布,通过计算概率得到相关量的值
分为两种概率:
- 针与线夹角为theta的概率
- 针与线相交的概率(夹角为theta)
- 1与2相乘可以得出针与线以任意夹角相交的概率
蒙特卡洛—随机抽样
- 数据存在一定分布
- 根据分布可以求取数据变化后任意形式的期望值
- 期望值一般公式为积分。对于复杂的积分,很难找出它的原函数,所以将积分问题,转为样本抽取问题
- 但是如何保证选择的样本符合一定的分布——累积分布函数的逆变换得到【0, 1】之间的均匀分布
- 方式一:再结合接受拒绝采样,如果i(服从U(0, 1))< p【下方有说明p】,则接受,否则进行重采样
疑难问题补充
——————————————————————————————————————————
均匀分布采样——解决复杂分布样本的采取问题
产生均匀分布的随机数(线性同余发生器)
给一个种子seed xn, 利用下方公式,则可以产生1,m-1的伪随机数,再根据要求的区间端点再进行缩放,即为所求的均匀分布的随机数。
——————————————————————————————————————————
取舍采样——解决复杂分布函数的累计函数求解问题
寻找一个复杂分布函数的包络函数且这个包络函数简单易求解。
以概率p = f(x)/(m*q(x))接受(服从f(x)的分布),以概率1-p拒绝(不服从f(x)的分布s)
——————————————————————————————————————————
马尔科夫链MC采样——解决q(x)难以选择的问题
马尔科夫链:【初始概率分布&状态转移矩阵】 ===> 【稳定的概率分布】
- 状态转移矩阵需满足一数学公式 (对于矩阵选择才用Metropolis算法【也为如今最常见的采样方式】)
- MCMC(马克可夫链蒙特卡洛采样方法)具体步骤
——————————————————————————————————————————