臺灣博碩士論文加值系統

由 ARS(Adaptive~Rejection~Sampling) 演算法得知, 我們可以得到一連串目標函數之覆蓋函數, 但目標函數須滿足某些特定條件才能使用 ARS 演算法。 我們藉由將目標函數做切割, 並用數個線性方程式去配適目標函數的每個區間, 而每個區間所佔之權重我們利用梯形法則求出, 由於我們欲求之參數將以重點抽樣求得, 故稱梯形法重點抽樣。 我們比較以不同的區間配適目標函數之差異, 以及比較其與重點抽樣之異。模擬結果顯示, 在考慮估計式為一般之重點抽樣估計式時, 梯形法重點抽樣具有較低之誤差, 但若考慮為使用權重之重點抽樣估計式, 兩者之間則無太大差異。

1 概述
1.1 問題描述
1.2 梯形重點抽樣方法
2 演算法介紹
2.1 A/R方法
2.2 Adaptive Rejection Sampling(ARS)
2.3 重點抽樣(Importantce Sampling)
2.4 演算法的評估方法
3 梯形法重點抽樣
3.1 源起
3.2 梯形法重點抽樣
4 模擬試驗
4.1 梯形法重點函數選擇
4.2 估計式模擬
5 結論
參考文獻

Liu, J. (2001). Monte Carlo Strategies in Scientic Computing. Springer-
Verlag,New York.
Robert, C. and G. Casella (2004). Monte Carlo Satistical Method.
Springer-Verlag,New York.
李燿宗 (2008). An Interpretation of the Metropolized Independent Sampling.
Master's thesis, National Chung Cheng University.