[图形] 蒙特卡罗积分法及其方差计算导论-II。
1. 介绍
蒙特卡洛积分算法是一种数值积分算法,用于对复杂函数进行积分。
例如,对于目标积分函数:
∫
a
b
f
(
x
)
d
x
(1)
\int_{a}^{b}f(x)\rm{d}x \tag{1}
∫abf(x)dx(1)
其中
f
(
x
)
f(x)
f(x)很复杂,无法找到解析解。我们可以在
f
(
x
)
f(x)
f(x)的定义域
[
a
,
b
]
[a,b]
[a,b]上按照任意的概率密度函数
p
(
x
)
p(x)
p(x)进行采样。并统计采样的随机变量的样本期望:
F
N
=
1
N
∑
i
=
1
N
f
(
x
i
)
p
(
x
i
)
(2)
F_N = \frac{1}{N}\sum_{i=1}^{N}\frac{f(x_{i})}{p(x_{i})} \tag{2}
FN=N1i=1∑Np(xi)f(xi)(2)
可以保证:
E
(
F
N
)
=
∫
a
b
f
(
x
)
d
x
(3)
E(F_N)=\int_{a}^{b}f(x)\rm{d}x \tag{3}
E(FN)=∫abf(x)dx(3)
2. 证明
下面证明公式(3)的正确性:
E
(
F
N
)
=
E
(
1
N
∑
i
=
1
N
f
(
x
i
)
p
(
x
i
)
)
=
1
N
∑
i
=
1
i
=
N
E
(
f
(
x
i
)
p
(
x
i
)
)
E(F_N) = E(\frac{1}{N}\sum_{i=1}^{N}\frac{f(x_{i})}{p(x_{i})}) \\ =\frac{1}{N}\sum_{i=1}^{i=N}E(\frac{f(x_i)}{p(x_{i})})
E(FN)=E(N1i=1∑Np(xi)f(xi))=N1i=1∑i=NE(p(xi)f(xi))
我们令
g
(
x
)
=
f
(
x
)
p
(
x
)
g(x)=\frac{f(x)}{p(x)}
g(x)=p(x)f(x),那么
E
(
F
N
)
=
1
N
∑
i
=
1
i
=
N
E
(
g
(
x
)
)
=
1
N
∗
N
∗
∫
g
(
x
)
∗
p
(
x
)
d
x
=
∫
g
(
x
)
∗
p
(
x
)
d
x
=
∫
f
(
x
)
d
x
(4)
E(F_N)=\frac{1}{N}\sum_{i=1}^{i=N}E(g(x)) \\ =\frac{1}{N}*N* \int_{}^{}g(x)*p(x){\rm{d}x} \\ = \int{g(x)*p(x)}{\rm{d}}x \\ =\int{f(x)}{\rm{d}x} \tag{4}
E(FN)=N1i=1∑i=NE(g(x))=N1∗N∗∫g(x)∗p(x)dx=∫g(x)∗p(x)dx=∫f(x)dx(4)
求证得证。
下一篇: # 数据结构 (II)