Estoy tomando un curso sobre métodos de Monte Carlo y aprendimos el método de Muestreo de rechazo (o Muestreo de aceptación-rechazo) en la última conferencia. Hay muchos recursos en la web que muestran la prueba de este método, pero de alguna manera no estoy convencido con ellos.
Entonces, en la Muestra de rechazo, tenemos una distribución que es difícil de probar. Elegimos una distribución fácil de muestrear y encontrar un coeficiente tal que . Luego tomamos muestras de y para cada sorteo, , también probamos un de una distribución uniforme estándar .
La muestra se acepta si es y rechazado de otra manera.
Las pruebas que encontré usualmente solo muestran que y detente ahí.
Lo que pienso sobre este proceso es que tenemos una secuencia de variables y un par corresponde a nuestra i.a muestra () y si se acepta () Sabemos que cada el par es independiente el uno del otro, de modo que:
Para par sabemos que y . Podemos calcular fácilmentepero no entiendo cómo es suficiente como prueba. Necesitamos demostrar que el algoritmo funciona, por lo que creo que una prueba debería mostrar que la distribución empricial de las muestras aceptadas converge a como . Quiero decir, con siendo el número de todas las muestras aceptadas y rechazadas:
como .
¿Estoy equivocado con este patrón de pensamiento? ¿O hay una conexión entre la prueba común del algoritmo y esto?
Gracias por adelantado