Processing math: 100%

whoimi

A geek blog

View on GitHub

重要度采样

wiki解释:重要度采样

主要:该方法从与原分布不同的另一个分布中采样,而对原先分布的性质进行估计

重要度采样的推导

首先利用一个随机变量X的多个样本值{xi},构造期望值估计:

ˆE[X,P]=1nni=1xi

X:随机变量

xiX 样本值。

P: X的分布。

这个期望的精确度和X的方差有关:

var[ˆE;P]=var[X;P]/n

为了降低方差,我们引入一个新的随机变量L,保证E[L;P]=1得到:

ˆE[X;P]=ˆE[XL;P(L)]

L的作用就是降低对X的方差,来达到降低ˆE的误差的目的。

最优的LL=XE[X;P],也就是说,LX变成了一个常量。

此时,要求的期望值变为:

E[X;P]=XL

但是理论上无法求得L,所以需要进行估计,在很小的一段区间([a;a+da])上L的概率为:

P(L)(X[a;a+da])=w{Xa;a+da}XwE[x;P]dP(w)

实际过程我们无法的到最优化的 L,可以用如下方式逼近

=1E[X;P]aP(X[a;a+da])

上式的意思是一段区间里面L的积分值。

由于L的期望等于1:

1=a=1E[X;P]aP(X[a;a+da])

此时期望变为:

E[X;P]=a=aP(X[a;a+da])