为产生密度为的样本,可以从方便采样的密度g(x)中抽取y,通过Acceptance/Rejection方法来最终得到密度为f(x)的样本,只要保证f(x)<=cg(x)。但是有时候f(x)的形状已知,有未知常数存在(比如贝叶斯统计中的归一化因子),Acceptance/Rejection方法就不好用了。这时,我们可以使用Sampling Importance Re-sampling Algorithm(SIR)。
该方法的正确性也很容易证明:
为产生密度为的样本,可以从方便采样的密度g(x)中抽取y,通过Acceptance/Rejection方法来最终得到密度为f(x)的样本,只要保证f(x)<=cg(x)。但是有时候f(x)的形状已知,有未知常数存在(比如贝叶斯统计中的归一化因子),Acceptance/Rejection方法就不好用了。这时,我们可以使用Sampling Importance Re-sampling Algorithm(SIR)。
该方法的正确性也很容易证明: