蒙特卡罗—B站学习笔记

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：

1. 针与线夹角为theta的概率
2. 针与线相交的概率（夹角为theta）
3. 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
  

——————————————————————————————————————————

总结：Metropolis MC