- 1、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。。
- 2、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。
- 3、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)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、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。
- 6、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。
- 7、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
第 44卷 第 3期 吉 林 大 学 学 报 (理 学 版 ) Vo1.44 No.3
2006年 5月 JOURNALOFJILINUNIVERSITY (SCIENCEEDITION) May 2006
一 个计算积分的替代抽样方法
胡果荣 ,史宁中 ,张宝学
(1.吉林大学数学研究所 ,长春 130012;2.东北师范大学 数学与统计学院,长春 130024)
摘要:为提高高维积分的计算速度,提出一种替换MonteCarlo积分方法.将积分区域以网格
的形式离散化,再在网格上以相应的密度 函数之值为权函数采用离散的Gibbs抽样算法抽
样,对抽样得到的样本作均匀扰动后就可获得所需的新抽样序列,从而得到积分的近似估计
值.模拟表明新算法计算速度较快.
关键词:模拟;重要性抽样;Gibbs抽样;格子点;数值积分
中图分类号:O212.4 文献标识码:A 文章编号:1671-5489(2006)03-0362-05
AnAlternativeAlgorithm forEstimatingIntegrals
HU Guo.rong一,SHINing.zhong ,ZHANG Bao—xue
(1.InstituteofMathematics,JilinUniversity,Changchun130012,China;
2.SchoolofMathematcisandStatistics,NonheastNormalUniversity,Changchun130024,China)
Abstract:Toenhancethecomputingspeedofhighdimensionalintegral,analternativeMonteCarlosampling
algorithm isproposed in thispaper.Firstly,the intergal regionispartitioned intonetform.Secondly,grid
pointsare sampled by using discrete Gibbs sampling method whose weighted functionsale valuesof
correspondingdensity function.Lastly,anew sampling sequencewillbeobtained by addingan uni~rm
variablesequencetotheoriginalsequencecorrespondingly,andanestimationoftheintergalisgiven.Thenew
samplingalgorithm isassimpleasthetraditionalnumericalmethod.Simulatingoutputshowedthatthenew
algorithm performsverywellincomputingspeed.
Keywords:simulation;importantsampling;Gibbssampling;gridpoint;numericalintergal
1 引 言
在Bayes模型中,有时希望计算一些感兴趣的估计值,例如后验均值 、后验方差、后验分布的分位
数等.计算这些估计值都可归结为关于后验分布的积分计算.具体问题如下:不失一般性,假设,(),
∈[0,1]为密度函数(非负函数即可),一般估计值可表示为某函数h()关于,()的期望:
,=Efh(X)= ]h(x )以. (1.1)
传统的数值积分方法(如Riemann积分等…),通过划分、求和的步骤就能获得 ,的近似值,其方法简
单易于操作.并且在低维积分时由于其收敛速度较快,往往被采用.但当被积函数维数较高、多峰时,
尽管被积函数形式已知,而数值积分方法往往失效.这是因为数值积分方法误差的阶为D(Ⅳ ),其
中Ⅳ为样本量.而模拟方法误差的阶与维数无关 J.当维数k4时,数值方法的效率比模拟方法的效
文档评论(0)