情報科学 › 乱数と確率的数値計算 › Monte Carlo 積分と分散低減

自己正規化重点サンプリング・有効標本サイズ

定義 6.5(「Monte Carlo 積分と分散低減」§6)

p~≥0\tilde p \ge 0 を 0<Z=∫p~<∞0 < Z = \int\tilde p < \infty を満たす可測関数、p=p~/Zp = \tilde p/Z、qq を p~(x)>0\tilde p(x) > 0 となるすべての xx で q(x)>0q(x) > 0 を満たす確率密度とし、w~=p~/q\tilde w = \tilde p/q(q=0q = 0 のところでは 00)と置く。密度 qq に従う独立な X1,…,XNX_1, \ldots, X_N に対して

I~N=∑i=1Nw~(Xi)f(Xi)∑i=1Nw~(Xi)\tilde I_N = \frac{\sum_{i=1}^N\tilde w(X_i)f(X_i)}{\sum_{i=1}^N\tilde w(X_i)}

を自己正規化重点サンプリング推定量という(分母が 00 のときは 00 と定める)。また

Neff=(∑iw~(Xi))2∑iw~(Xi)2N_{\mathrm{eff}} = \frac{\bigl(\sum_i\tilde w(X_i)\bigr)^2}{\sum_i\tilde w(X_i)^2}

を重みの有効標本サイズという。

本文で読む(前後の説明と例)→

閉包の状態

定義

定義は閉包の起点です(証明を要しません)。

印の意味: ✓公理まで証明済み ・ △証明あり(閉包未完)・ ※主張のみ。テーマごとの集計は 閉包の状況。

これを使っている定理

証明で明示的に参照している定理は、まだありません。

関連するノック 1 問