2010年9月24日星期五

Start to review a textbook with practice

2 years ago, when I was a graduate student, the lecture of Monte Carlo Method interested me because I needed it for the RBM model in my thesis, although the examples provided by Prof Wang in the class were all about finance which I don't interest in.

The book I prepare to review in Chinese (not translate only) is

Monte Carlo Strategies in Scientific Computing

I want to mix in my practice in Computational Advertising where possible.

====标志开始的分割线====

评论+实践计划:

对应原书章节

主题

时间

2​

基本的蒙特卡洛技术

2010年9月、10月

3、4​

序贯蒙特卡洛

2010年11月、12月

5​

马尔科夫链蒙特卡洛

2011年1月、2月

6、7、8​

条件分布的采样

2011年3月、4月

9​

分子动力学与混合蒙特卡洛

2011年5月

10、11​

蒙特卡洛采样的性能优化

2011年6月、7月

12、13​

收敛性分析

2011年8月、9月



基本的蒙特卡洛技术(一)

蒙特卡洛常被理解为随机模拟算法,它的第一个问题就是如何生成满足某种分布的随机数,当没有办法直接从目标分布函数抽样,而只能从另一个分布函数抽样的时候。

1、​“拒绝方法”是基本的方法。它不保证每采一下都能采中一个能要的随机数,但是可以保证采中的要的数满足目标分布函数。

2、“加权采样”其实是退而求其次,它并没有去真的生成满足目标分布的随机数,而是假设该分布函数用来计算某个可积函数的期望,构造一个(随机点、权重)序列,使得该可积函数在这些点上的值的加权平均是原期望的无偏估计。

(未完待续)

没有评论: