b**********t
发帖数: 6 | 1 问题背景：
随机过程和系统的仿真，尤其碰到稀有事件时，常常采用一个新的概率测度替代原有的
自然概率测度仿真，以增大稀有事件的发生概率（change of measure,重要抽样）。比
如我们想通过仿真（Monte Carlo）估计样本空间中的某个集合A的概率（很小，比如10
的-8次方级），如果采用自然概率测度，则平均要仿真一亿次才能得到一个样本落在这
个集合里面。这样需要仿真多个亿次才能得到有效的估计。为克服这个问题，我们可以
采用一个新的概率测度，在这个新的测度下，让集合A出现的概率变大，甚至大到1，也
就是说仿真的每一个样本点都落在集合A里面。当然，在结果统计时，一个样本点不能
算1个，而必须乘以likelihood ratio来纠偏。进一步，假设集合A的一个划分：子集A1
, A2, A3. 其中A3的自然概率比A1, A2小很多（比如A1, A2在10的-8次方级，而A3在10
的-12次方级）. 这样估计集合A的概率时我们可以忽略A3。于是我们可以选择一个新的
概率测度，让全部样本点都落在A1,A2里面。
问题描述：
对于这样一种做法，有一些事件（A3）在原有的自然概率测 |
|
