Markov Chain Monte Carlo

最新推荐文章于 2020-05-01 23:24:04 发布

whjxnyzh

最新推荐文章于 2020-05-01 23:24:04 发布

阅读量1.3k

点赞数

CC 4.0 BY-SA版权

分类专栏：原创文章标签： MCMC

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/likaidlut/article/details/17713907

原创专栏收录该内容

9 篇文章

订阅专栏

本文介绍了Monte Carlo方法的基本原理及应用，强调该方法适用于通过计算机实现的随机模拟计算，并探讨了其在解决不确定性问题方面的优势。此外还提及了如何通过选取合适的样本以提高估计的有效性，以及Markov Chain Monte Carlo (MCMC)方法的特点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Monte Carlo方法是基于随机数模拟计算的一类计算方法。Monte Carlo方法必需有随机数源，由于计算机可以提供伪随机数，因此，此方法最适合通过计算机来实现。 Monte Carlo方法常用于不确定性问题的模拟计算。对于一些没有随机成分的问题，有时可以看成某些随机变量的相关量的计算，例如期望，通过模拟样本来估计。必需保证所选样本真实反应了模拟的总体分布，才能更有效的来估计这些量。若模拟样本是通过Markov链方式得到，此方法常称为Markov Chain Monte Carlo(MCMC)方法。

其中方差最小也就是求UMVUE，然后通过Jensen's inequality可以得到p(x)=c|fai(x)|。

Importance Sampling正确的原因也很简单

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。