Beyond accept-reject sampling
超越接受—拒绝抽样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：摘要研究通用蒙特卡洛积分与抽样算法，缺少所列经济计量细分领域的依据。
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
超越接受—拒绝抽样
- 研究问题
- 研究通过蒙特卡洛模拟估计目标分布下的函数期望时，如何相较常规接受—拒绝算法降低估计方差及处理计算成本。
- 方法与思路
- 作者提出新的蒙特卡洛估计量并推导其性质，进一步构造 Rao–Blackwell 化版本，同时提供数值结果说明。
- 材料陈述的贡献
- 摘要称新估计量相较常规接受—拒绝算法具有更低方差，并提出一个计算时间需求很大的 Rao–Blackwell 化版本。
- 阅读关注点
- 应核对新估计量的构造、方差比较所依据的模拟预算、所需分布条件，以及进一步降方差与额外计算量的权衡。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体算法和数值设计未提供，降低方差不能直接证明在相同运行时间下效率更高。
原文摘要
We propose a new estimator for estimating a quantity μ via Monte Carlo simulations, where μ=∫ƒdP and P is the target probability measure. The new estimator outperforms the usual accept-reject algorithm in terms of reducing the variance. Properties of the estimator are derived. A new Rao-Blackwellised version of the estimator is also produced, but this version requires enormous computing time. Numerical results are provided.