¡Si! Suponga que quiero muestrear [math] X [/ math] de la densidad [math] f [/ math]. Esto es equivalente a muestrear un par de variables aleatorias [matemáticas] X [/ matemáticas] y [matemáticas] Y [/ matemáticas] uniformemente de [matemáticas] \ {(x, y): 0 \ leq y \ leq f (x) \}[/matemáticas]. En otras palabras, el muestreo de una distribución no uniforme es equivalente al muestreo uniforme del área debajo de la densidad. Entonces, para muestrear de [matemáticas] (X, Y) [/ matemáticas] solo encuentre una densidad no normalizada [matemáticas] g [/ matemáticas] que sea mayor que [matemáticas] f [/ matemáticas], muestree [matemáticas] X [/ matemáticas ] de [matemática] g [/ matemática], luego muestree [matemática] Y [/ matemática] dada [matemática] X [/ matemática] uniformemente sobre [matemática] [0, g (X)]. [/ matemática] Si [ matemática] Y \ en [0, f (X)], [/ matemática] luego acepte [matemática] X [/ matemática] como un sorteo de [matemática] f [/ matemática], de lo contrario rechazar y comenzar de nuevo.
¿Es el método de Monte Carlo ‘hit and miss’ aplicable a distribuciones no uniformes?
Related Content
¿La teoría de cuerdas es analógica o digital?
¿Cuáles son algunos problemas abiertos interesantes en física de astropartículas o cosmología?
¿Funcionan realmente las unidades EM?
¿Qué es la teoría de cuerdas? ¿Cómo puedo obtener un concepto claro sobre la teoría de cuerdas?
Supongo que está hablando de generar números aleatorios X a partir de una distribución uniforme entre 0 y 1, U. Bueno, el método de acierto y error se usa con tanta frecuencia precisamente porque es muy aplicable.
Si queremos generar números de acuerdo con algún pdf no uniforme f (x), todo lo que necesitamos es otro pdf del que podamos generar números directamente y siga al primero lo más cerca posible, g (x). Luego, escale la función, c * g (x) para que quede por encima de f (x) en todas partes y deseche cualquier número aleatorio x para el que el valor de prueba c * g (x) * u sea mayor que f (x). Los números restantes x se distribuirán de acuerdo con f (x).
Me acabo de dar cuenta de que podrías estar hablando de la integración de Monte Carlo, pero se aplica el mismo principio. Necesita una función que se parezca mucho al integrando y la use para generar números aleatorios, luego puede calcular la integral usando hit and miss.
Sí, se puede usar acertar y fallar con distribuciones no uniformes siempre que se tenga en cuenta el cambio. Básicamente es un cambio de medida:
[matemáticas] \ int f (u) p (u) du = \ int f (u) \ frac {p (u)} {q (u)} q (u) du. \ tag {1} [/ matemáticas]
De hecho, es posible que desee hacer este cambio de medida para ahorrar tiempo al estimar sus expectativas.
More Interesting
¿Cuál es la diferencia entre la teoría corpuscsular de Newton y la teoría cuántica de Planck?
¿Por qué falló la Dinámica Newtoniana Modificada (MOND)?
¿Qué es una explicación intuitiva de las variables de Mandelstam?
¿Qué debo hacer para ser excelente en física teórica?
¿Qué significa 3 dimensiones, 4 dimensiones y 5 dimensiones?
¿Las interacciones de campo de Higgs con otras partículas afectan su estabilidad?
¿Qué pasaría con un protón si le quitas uno de sus quarks?
¿Quién inventó la materia oscura?
¿Cuáles son las principales diferencias entre la teoría de cuerdas y la gravedad cuántica de bucles?