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 |
|