對於我认識的许多人来說,他们认為从一个给定的分佈中抽樣通常不是一个难题.例如,许多軟體提供从正態分佈或均匀分佈中采樣的功能。

我如何向其他人教匯,一般来說,采樣很难(就時間複雜度而言),這就是為什麼我们有许多演算法来做樣本,比如McMC? 是否有任何良好的直观示例顯示抽樣是一个非平凡的問题?

最新回復
  • 2019-12-5
    1 #

    如何對變數进行分析$ x_i \ in \ texttt {ascii} $:

    $ P(x_i ... x_k)= 0 $如果$ x_1x_2 \ ldots x_k $不是C中的有效程式(或您最類似的正式語言)

    $ P(x_i ... x_k)\ propto w ^ { - 1} $否則,其中$ w $是不是空格的字元數$ x_i $。

    我认為這是一个合理的例子,因為

    這是可以解釋的:樣本隨機C程式与它们的(非空白)长度成反比。

    没有簡單的解決方案 - 簡單地抽樣有效的程式是不平凡的.拒绝抽樣也很难,因為大部分質量都在於少數程式.計算分區函式對於$ k $的中等值也是难以處理的。

    在這種情况下,MCMC方法似乎是可行的.有许多合理的提案分發.虽然混合時間可能很长。

相似問題

  • lognormal:一侧限製的分佈的通用名稱
  • 在研究設備的一致性時进行多重比较