马尔科夫链
蒙特卡洛法模拟
抽样,逆转换方法
就是说由系统自带的随机函数RANDOM,通过下面这个方法,可以变为对应的随机模拟函数
![](https://file.jishuzhan.net/article/1754707902498607106/51128a6d0cb947aa79b965083886214a.webp)
![](https://file.jishuzhan.net/article/1754707902498607106/12e79b71356d1eb7b51bfcfafbdb049b.webp)
就是说要实现蒙特卡洛模拟,是要先有一个概率表达式,然后基于这个概率表达式,通过自带的随机RANDROM函数进行转换,最后实现这个表达式
而这个转换函数就是表达式的反函数
接受拒绝抽样
![](https://file.jishuzhan.net/article/1754707902498607106/03ba24e47c6ec8b231047b5b2fdbcaae.webp)
接受拒绝抽样
![](https://file.jishuzhan.net/article/1754707902498607106/fba744279c6802caeb3f3715950091d7.webp)
就是说要实现二维的随机模拟,就是要两个随机均匀分布函数,第一个是实现在-5到5的区间内,最大值为1的随机抽样,计为gx,它
就是先在定义域里随机取一个值a,然后计算目标函数在a下的值,接着由在0到最大值*ga上取一个值b,如果满足条件就接受a,不然就不接受;
就是第一次随机取样是水平的,取完后能确定一个横坐标,以及目标函数的纵坐标;第二次是在第一次取样的基础上再竖直上的取的,来判断第一次取的点能不能要
就是说第一次取样确定横坐标a,第二次取样确定纵坐标b,最后的取样点为(a,b)
1,如果a,b被采纳,就使横坐标a上对应的高度++,
![](https://file.jishuzhan.net/article/1754707902498607106/51c42fc91980cd6a34c9327b0636ed06.webp)
就是说第一步还是随机在定义域上选,然后在确定纵坐标时,上界不再是一个常数,而也是一个动态变化的天花板ZX,这样就能提高通过率
马尔科夫链蒙特卡洛法MCMC
![](https://file.jishuzhan.net/article/1754707902498607106/7af864465eadb9f96b2f4e389d33c3c3.webp)
![](https://file.jishuzhan.net/article/1754707902498607106/ba7ce8e742573400aa03f34b4a8c7491.webp)
![](https://file.jishuzhan.net/article/1754707902498607106/33ab56ca6217c32ebbdebb80b05a162f.webp)
![](https://file.jishuzhan.net/article/1754707902498607106/6927a326dc4b2e5c8959d53d07ee0f25.webp)
![](https://file.jishuzhan.net/article/1754707902498607106/af239842df261da7b8d64f876bded0c7.webp)
MH算法
![](https://file.jishuzhan.net/article/1754707902498607106/8abf21cd153c2ff033bd5074ea6dbcda.webp)
![](https://file.jishuzhan.net/article/1754707902498607106/69c14d775c619d8dbdc66087a502aa09.webp)
隐马尔可夫HMM
隐马尔可夫在NLP
就是说,一个矩阵是描述整个句子结构构成的概率
另一个矩阵是在确定矩阵结构基础上,去选词,来确定这个句子的具体含义