George Casella, bizim kitapta ayrıntılı olarak Monte Carlo istatistiksel yöntemlerle bu yöntemler yoğunluğu, belirli bir dağıtımdan üretim örneklerinde için kullanılır bu dağılımı hakkında bir fikir edinmek için, ya ilişkin bir entegrasyon ve optimizasyon sorunu çözmek için ya söz hakkından f . Örneğin, ∫ X h ( x ) f ( x ) d x değerini bulmak içinff ya da dağılım modu h ( x ) olduğunda X ~ f ( x ) ya da bu dağılımın bir quantile.
∫Xh(x)f(x)dxh(X)⊂R
h(X)X∼f(x)
Monte Carlo ile Markov zincirini karşılaştırmak için, ilgili kriterler üzerinde bahsettiğiniz Monte Carlo metotları, sorunun arka planını ve simülasyon deneyinin amaçlarını belirlemeyi gerektirir, çünkü her birinin artıları ve eksileri durumdan duruma değişecektir.
Meselenin karmaşıklığını kapsamayacağına dair birkaç genel açıklama :
- fu1,u2,…xfffxXf
- (xt)tfff
f(x)∝∫Zf~(x,z)dz
(xt)t(xt)txttfft
- Önem örnekleme yöntemleri başlangıçta yanlış hedef integral yaklaşımlar için tasarlanmıştır.g(x)
f(x)/g(x).
gfggf
I=∫Xh(x)f(x)dx,
I^=∫Xh(x)f(x)dx
f