模拟方法(一)

一、模拟方法

  1. 逆变换方法(Inverse Transform Method):通过累积分布函数的逆函数,将均匀分布的随机变量转换为具有指定分布的随机变量。

  2. 接受拒绝方法(Accept-Reject Method):通过生成服从一个辅助分布的随机变量,并与原分布进行比较,接受满足条件的样本并拒绝不满足条件的样本,从而生成符合原分布的随机变量。

  3. 重要性采样(Importance Sampling):通过从一个已知分布中抽取样本,并用这些样本来估计另一个分布中的期望或概率。

  4. 吉布斯采样(Gibbs Sampling):用于从联合分布中抽取样本的一种马尔可夫链蒙特卡洛方法,通过依次更新每个变量的取值来生成样本。

  5. 蒙特卡洛模拟(Monte Carlo Simulation):通过生成大量的随机样本,并利用这些样本来估计未知参数或模拟系统的行为。

  6. 蒙特卡洛马尔可夫链(Monte Carlo Markov Chain)模拟:利用马尔可夫链的性质,通过随机漫步的方式生成样本,用于估计复杂系统的性质或参数。

相关推荐
jackyrongvip3 天前
妙用《甄嬛传》中的选妃来记忆概率论中的乘法公式
概率论
lynn-666 天前
【深度学习与大模型基础】第8章-概率分布
人工智能·算法·机器学习·概率论
猎人everest9 天前
机器学习之概率论
人工智能·机器学习·概率论
豆芽8199 天前
二项式分布(Binomial Distribution)
人工智能·python·机器学习·numpy·概率论
zbdx不知名菜鸡11 天前
self Attention为何除以根号dk?(全新角度)
transformer·attention·概率论
优美的赫蒂11 天前
扩展卡尔曼滤波
机器学习·数学建模·矩阵·概率论
Lichenpar12 天前
AI小白的第七天:必要的数学知识(四)
人工智能·概率论·概率分布
pen-ai13 天前
离散概率分布:正态分布,二项分布,连续分布,正态分布的性质
算法·机器学习·概率论
kngines13 天前
从零构建大语言模型全栈开发指南:第一部分:数学与理论基础-1.1.2核心数学基础:线性代数、概率论与梯度优化
人工智能·线性代数·大语言模型·概率论·强化学习·rlhf
zyq~14 天前
【课堂笔记】定理:样本越多,测量的经验损失越接近真实损失
笔记·机器学习·概率论