蒙卡抽样方法.docxVIP

  1. 1、本文档共9页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
蒙卡抽样方法

抽样方法抽样方法分布形式抽样方法特点备注直接抽样方法任意离散型分布x1,x2,…为离散型分布函数的跳跃点,P1,P2,…为相应的概率二项分布的抽样泊松(Possion)分布的抽样掷骰子点数的抽样碰撞核种类的确定中子与核的反应类型的确定连续型分布分布函数F(x) 的反函数 F-1(x)存在[a,b]上均匀分布的抽样β分布指数分布挑选抽样方法己知分布密度函数f(x)抽样,选取与f(x)取值范围相同的分布密度函数h(x),如果即从h(x)中抽样xh,以 的概率接受它。xf服从分布密度函数f(x)。当 f(x) 在[0,1]上定义时,选取h(x)时要使得h(x)容易抽样且M的值要尽量小。因为M小能提高抽样效率。取 h(x)=1,Xh=ξ,复合抽样方法服从的分布与一个参数有关,而该参数也是一个服从确定分布的随机变量,称这样的随机变量服从复合分布。首先由分布函数F1(y) 或分布密度函数f1(y)中抽样YF1或Yf1,然后再由分布密度函数f2(x/ YF1)中抽样确定Xf2 (x/YF)f2(x/y)表示与参数y有关的条件分布密度函数, F1(y)表示分布函数。复合挑选抽样方法0≤H(x,y)≤M,f2(x/y)表示与参数y有关的条件分布密度函数,F1(y)表示分布函数。替换抽样方法实现某个复杂的随机变量 y 的抽样,将其表示成若干个简单的随机变量 x1,x2,…,xn的函数得到 x1,x2,…,xn 的抽样后,即可确定 y 的抽样加抽样方法如下加分布给出的一种抽样方法:复合分布抽样方法可知,加分布的抽样方法为:首先抽样确定n’,然后由 fn’(x)中抽样x,即:其中Pn≥0,,且 fn(x)为与参数n有关的分布密度函数,n=1,2,…。减抽样方法如下形式的分布密度所给出的一种抽样方法:令m表示f2(x)/f1(x)的下界,使用挑选法,从f1(x)中抽取Xf1其中A1、A2为非负实数,f1(x)、f2(x)均为分布密度函数。抽样效率使用挑选法,从f2(x)中抽取Xf2乘抽样方法如下形式的分布称为乘分布:令M为H(x)的上界,乘抽样方法如下:其中H(x)为非负函数, f1(x)为任意分布密度函数。抽样效率乘加抽样方法如下形式的分布:其中Hn(x)为非负函数,fn(x) 为任意分布密度函数,n=1,2,…。不失一般性,只考虑n=2的情况:将 f(x) 改写成如下的加分布形式:抽样效率为上述方法需要知道P1的值(P2=1-P1),这对有些分布是很困难的,乘减抽样法其中H1(x) 、H2(x)为非负函数,f1(x)、f2(x) 为任意分布密度函数。(1)将 f(x) 表示为令H1(x)的上界为M1, 的下界为m,使用乘抽样方法得到如下乘减抽样方法:(2)将 f(x) 表示为令H2(x)的上界为M2,使用乘抽样方法,得到另一种乘减抽样方法:对称抽样方法对称分布的一般形式为:对称分布的抽样方法如下:取η=2ξ-1其中 f1(x) 为任意分布密度函数,满足偶函数对称条件,H(x) 为任意奇函数,即对任意x满足:积分抽样方法如下形式的分布密度函数:其中 f0(x,y) 为任意二维分布密度函数,H(x)为任意函数。该分布密度函数的抽样方法为:

文档评论(0)

panguoxiang + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档