Importance Sampling Via the Estimated Sampler
基于估计抽样分布的重要性抽样AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：材料研究通用蒙特卡洛积分与重要性抽样，未给出所列领域细分的应用依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于估计抽样分布的重要性抽样
- 研究问题
- 进行蒙特卡洛数值积分时，使用最大似然估计的抽样分布，能否比使用真实抽样分布获得更小的渐近方差？
- 方法与思路
- 作者在参数化抽样分布族内以最大似然估计抽样分布，分析相应重要性抽样积分估计量，并重点考察渐近零方差条件。
- 材料陈述的贡献
- 摘要称，使用估计抽样分布可改善普通方法的渐近方差，并讨论积分估计量达到渐近零方差的一项条件。
- 阅读关注点
- 应核对抽样分布的估计样本来源、权重构造和正则条件，尤其确认渐近零方差的条件及其与有限样本误差的关系。
- 阅读边界
- 依据版本未注明的索引摘要；方差改善与渐近零方差的具体条件未给出，不能据此声称任意积分问题均有改善。
原文摘要
Monte Carlo importance sampling for evaluating numerical integration is discussed. We consider a parametric family of sampling distributions and propose the use of the sampling distribution estimated by maximum likelihood. The proposed method of importance sampling using the estimated sampling distribution is shown to improve the asymptotic variance of the ordinary method using the true sampling distribution. The argument is closely related to the discussion of the paradox in Henmi & Eguchi (2004). We focus on a condition under which the estimated integration value obtained by the proposed method has asymptotic zero variance.