蒙地卡羅模擬importancesamplingmethod.pptVIP

Monte Carlo SimulationPart.2 Metropolis Algorithm Dept. Phys. Tunghai Univ. Numerical Methods C. T. Shih Simple/Importance Sampling 當我們用 MC 法計算積分時，若該函數為常數函數 f(x)=constant，則取樣數不管多少，準確度皆為百分之百 相對的，如果 f(x) 為 delta 函數，則取樣數不管多少，準確度幾乎皆為零 也就是說，如果在積分區間內，f(x) 為一平滑函數，則 MC 法較準確，如果f(x)的變動很劇烈，則 MC 法的誤差會變大 Weight Function: w(x) 因此，在 f(x) 變化劇烈時，在以 MC 取樣時，最好依據 f(x) 的大小來決定取樣機率 亦即：|f(x)| 大的，對∫f(x)dx的貢獻較大，如果沒有被選中則結果的誤差極大 解決方式：改變 x 被選中的機率，讓 |f(x)| 大的被選中的機率增加 Weight distribution function: w(x)，決定每個x被選中的機率 Weight Function: w(x) w(x) 必須歸一化，即在積分區間內∫w(x)dx=1 由於 x 的選取已被 w(x) 扭曲，所以計算積分時要把這個部分「還」回去：若一共取樣了M個x，則其積分值為 Metr