.png){kind=icon}
返回
Rejection sampling with vertical weighted strips
.png){kind=icon}
PRE
AI
DOI：10.1007/s11222-026-10882-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多种在统计应用中出现的分布可以表示为加权密度形式：基础密度与非负权重函数的乘积。从这类分布生成随机变量可能非平凡，且可能涉及不可计算的归一化常数。拒绝采样可用于生成精确抽样，但需要构建合适的提议分布。为了实用，提议分布必须易于采样且不频繁拒绝候选样本。一种知名的设计提议分布的方法是将目标密度分解为有限混合，其分量可对应于支撑集的划分。本文考虑了这种构造，重点在于权重函数的支配化，特别是发展了单变量情形。当自适应拒绝采样的假设不满足时，此方法可能适用。基于该构造的拒绝概率上界可以表达出来，以在采样前评估提议分布的效率。考虑了一种支撑集划分方法，其中区域根据其对上界的贡献进行二分。文中基于von Mises Fisher分布给出了若干应用实例以说明该框架。
Keyword:
Majorization
Finite mixture
Weighted distribution
Convexity
Bayesian
von Mises Fisher
期刊
S
IF:
1.6
论文数:
200
被引数:
0
机构
引用论文
Weighted Distributions and Size-Biased Sampling with Applications to Wildlife Populations and Human Families.png)
Biometrics
BiometricsIF0
PREAI
分享收藏分享收藏
分享收藏分享收藏
查看更多内容