Metropolis抽样方法-HEPG.pptVIP

3.10 Metropolis抽样方法 3.10 Metropolis抽样方法 * 3.10 Metropolis抽样方法 * 第三章 从概率分布函数的抽样(Sampling from Probability Distribution Functions) Monte Carlo模拟 3.10 Metropolis抽样方法 由Metropolis、Rosenbluth和Teller在1953年提出的一种抽样方法 设X为d维随机向量，其概率密度函数为w(X) 通过在d 维空间中的随机行走来产生X的随机取样，利用 w(X)来选取每一步行走的步长和方向 欲产生一组X的随机值： 设已产生了i个随机值xi，以xi为基点随机选取一新的试验点xt，根据w(X)决定是否接受xt作为新的点xi+1 * * 3.10 Metropolis抽样方法 3.10 Metropolis抽样方法 Metropolis抽样方法： 产生d个在(-1,1)区间上均匀分布的随机数 计算新的尝试点: 计算w(X)函数在两点处的数值比 产生在(0,1)区间内均匀分布的随机数? 如果r ? ?，则令, 选择参数? 和初始点 设已产生了第i个X的随机值 ，则第i+1个随机值由下列步骤产生： 否则, * * 3.10 Metropolis抽样方法 3.10 Metropolis抽样方法 证明: 考虑一群数目很大的行走者,每个行走者在X空间中从不同的起始点相互独立地行走 Nn(X): 经过n步行走后在X点处的行走者的数目。 在第n+1步：从X点到Y点的行走者的数目 P(X?Y): 在X点处的行走者行走到Y点的几率 P(Y?X): 在Y点处的行走者行走到X点的几率 达到平衡状态时：?N(X) = 0 Ne(X): 在平衡状态时在X点处的行走者的数目。 * * 3.10 Metropolis抽样方法 3.10 Metropolis抽样方法 下面证明利用Metropolis算法可得到：Ne(X) ~ w(X) 在Metropolis算法中，由X到Y的几率： 如果由X可经过一步到达Y(即：X和Y都位于边长为?的多维立方体内） P(X?Y) = T(X?Y)A(X?Y) T: 由X到Y走一步的几率 A:这一步被接受的几率 T(X?Y) = T(Y?X) * * 3.10 Metropolis抽样方法 3.10 Metropolis抽样方法 根据Metropolis算法： （1）如果w(X） w(Y)，则 A(Y?X) = 1 Ne(X) ~ w(X) 由X到Y被接受的几率为r ? （2）如果w(X） w(Y)，则 A(X?Y) = 1 由X到Y被接受的几率为r ? * * 3.10 Metropolis抽样方法 3.10 Metropolis抽样方法 注意： （1）关于?的选取：如果?太小，要历经整个X的取值区间需要行走很长的距离（产生很多的点)；如果?很大，一步行走被拒绝的几率会很大。 ?的取值：约有一半的试验行走被接受 （2）关于行走的初始点：取w较大的点 * * 3.10 Metropolis抽样方法 3.10 Metropolis抽样方法 例1:标准正态分布的抽样 * * 3.10 Metropolis抽样方法 3.10 Metropolis抽样方法 3.10 Metropolis抽样方法 3.10 Metropolis抽样方法