This HTML5 document contains 99 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dbpedia-dehttp://de.dbpedia.org/resource/
dctermshttp://purl.org/dc/terms/
yago-reshttp://yago-knowledge.org/resource/
dbohttp://dbpedia.org/ontology/
foafhttp://xmlns.com/foaf/0.1/
n15http://portal.acm.org/
n14http://jrxv.net/x/16/
n29https://global.dbpedia.org/id/
n9http://apps.nrbook.com/empanel/
yagohttp://dbpedia.org/class/yago/
dbpedia-ruhttp://ru.dbpedia.org/resource/
dbthttp://dbpedia.org/resource/Template:
dbpedia-ukhttp://uk.dbpedia.org/resource/
rdfshttp://www.w3.org/2000/01/rdf-schema#
freebasehttp://rdf.freebase.com/ns/
dbpedia-simplehttp://simple.dbpedia.org/resource/
n25http://www-sigproc.eng.cam.ac.uk/smc/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
owlhttp://www.w3.org/2002/07/owl#
n8http://www.iop.org/EJ/abstract/0143-0807/22/4/
wikipedia-enhttp://en.wikipedia.org/wiki/
dbpedia-zhhttp://zh.dbpedia.org/resource/
dbpedia-frhttp://fr.dbpedia.org/resource/
dbchttp://dbpedia.org/resource/Category:
dbphttp://dbpedia.org/property/
provhttp://www.w3.org/ns/prov#
xsdhhttp://www.w3.org/2001/XMLSchema#
wikidatahttp://www.wikidata.org/entity/
goldhttp://purl.org/linguistics/gold/
dbrhttp://dbpedia.org/resource/

Statements

Subject Item
dbr:Importance_sampling
rdf:type
yago:Content105809192 yago:Know-how105616786 yago:Hypothesis105888929 yago:Idea105833840 yago:Concept105835747 yago:StochasticProcess113561896 yago:Ability105616246 yago:Abstraction100002137 yago:WikicatMonteCarloMethods yago:Method105660268 yago:PsychologicalFeature100023100 yago:Cognition100023271 yago:WikicatStochasticProcesses dbo:TopicalConcept yago:Model105890249
rdfs:label
Вибірка за значимістю Importance Sampling 重要性采样 Importance sampling Выборка по значимости Échantillonnage préférentiel
rdfs:comment
重要性采样（英語：importance sampling）是统计学中估计某一分布性质时使用的一种方法。该方法从与原分布不同的另一个分布中采样，而对原先分布的性质进行估计。重要性采样与计算物理学中的相关。 Importance Sampling (im Deutschen manchmal auch Stichprobenentnahme nach Wichtigkeit, oder Stichprobenziehung nach Wichtigkeit genannt) ist ein Begriff aus dem Bereich der stochastischen Prozesse, der die Technik zur Erzeugung von Stichproben anhand einer Wahrscheinlichkeitsverteilung beschreibt. Importance Sampling ist eine von mehreren Möglichkeiten zur Varianzreduktion, also zur Steigerung der Effizienz von Monte-Carlo-Simulationen. Importance sampling is a Monte Carlo method for evaluating properties of a particular distribution, while only having samples generated from a different distribution than the distribution of interest. Its introduction in statistics is generally attributed to a paper by Teun Kloek and Herman K. van Dijk in 1978, but its precursors can be found in statistical physics as early as 1949. Importance sampling is also related to umbrella sampling in computational physics. Depending on the application, the term may refer to the process of sampling from this alternative distribution, the process of inference, or both. У статистиці вибірка за значимістю є загальною технікою для оцінки властивостей конкретного розподілу, при цьому вибірки створюються лише з розподілу, відмінного від того, що досліджується. Метод був вперше введений і у 1978 році і пов'язаний з в обчислювальній фізиці. Залежно від застосування, термін може стосуватися процесу вибірки з цього альтернативного розподілу, процесу висновку або обох. Выборка по значимости (англ. importance sampling, далее ВЗ) — один из методов уменьшения дисперсии случайной величины, который используется для улучшения сходимости процесса моделирования какой-либо величины методом Монте-Карло. Идея ВЗ основывается на том, что некоторые значения случайной величины в процессе моделирования имеют бо́льшую значимость (вероятность) для оцениваемой функции (параметра), чем другие. Если эти «более вероятные» значения будут появляться в процессе выбора случайной величины чаще, дисперсия оцениваемой функции уменьшится. Следовательно, базовая методология ВЗ заключается в выборе распределения, которое способствует выбору «более вероятных» значений случайной величины. Такое «смещенное» распределение изменяет оцениваемую функцию, если применяется прямо в процессе рас L'échantillonnage préférentiel, en anglais importance sampling, est une méthode de réduction de la variance qui peut être utilisée dans la méthode de Monte-Carlo. L'idée sous-jacente à l'échantillonnage préférentiel, EP dans la suite, est que certaines valeurs prises par une variable aléatoire dans une simulation ont plus d'effet que d'autres sur l'estimateur recherché. Si ces valeurs importantes se réalisent plus souvent, la variance de notre estimateur peut être réduite.
dcterms:subject
dbc:Monte_Carlo_methods dbc:Stochastic_simulation dbc:Variance_reduction
dbo:wikiPageID
867671
dbo:wikiPageRevisionID
1124796758
dbo:wikiPageWikiLink
dbr:Herman_K._van_Dijk dbr:Particle_filter dbr:Almost_everywhere dbr:Monte_Carlo_integration dbr:Monte_Carlo_method_in_statistical_physics dbr:Variable_bitrate dbr:Random_variables dbr:Bayesian_network dbr:Loss_function dbr:Probability_space dbr:Viterbi_decoder dbr:Monte_Carlo_method dbr:Binomial_distribution dbr:Probability_distribution dbr:Simulation dbr:Estimator dbr:Digital_communication dbr:Expected_value dbr:Teun_Kloek dbr:Likelihood-ratio_test dbr:Computational_physics dbr:Rejection_sampling dbr:Variance_reduction dbr:Probability_density_function dbc:Monte_Carlo_methods dbc:Variance_reduction dbr:Intersymbol_interference dbr:Radon–Nikodym_derivative dbc:Stochastic_simulation dbr:Derivative dbr:Confidence_interval dbr:Auxiliary_field_Monte_Carlo dbr:Independent_and_identically_distributed dbr:Umbrella_sampling dbr:Important dbr:Random_variable dbr:VEGAS_algorithm dbr:Stratified_sampling
dbo:wikiPageExternalLink
n8:315 n9:index.html%23pg=411 n14:ism.pdf n15:citation.cfm%3Fid=1030470 n25:
owl:sameAs
wikidata:Q1539564 freebase:m.03jyrr dbpedia-fr:Échantillonnage_préférentiel dbpedia-de:Importance_Sampling yago-res:Importance_sampling dbpedia-simple:Importance_sampling dbpedia-ru:Выборка_по_значимости dbpedia-zh:重要性采样 dbpedia-uk:Вибірка_за_значимістю n29:YVFq
dbp:wikiPageUsesTemplate
dbt:Reflist dbt:Short_description dbt:Cite_book dbt:Cite_journal
dbo:abstract
Importance sampling is a Monte Carlo method for evaluating properties of a particular distribution, while only having samples generated from a different distribution than the distribution of interest. Its introduction in statistics is generally attributed to a paper by Teun Kloek and Herman K. van Dijk in 1978, but its precursors can be found in statistical physics as early as 1949. Importance sampling is also related to umbrella sampling in computational physics. Depending on the application, the term may refer to the process of sampling from this alternative distribution, the process of inference, or both. У статистиці вибірка за значимістю є загальною технікою для оцінки властивостей конкретного розподілу, при цьому вибірки створюються лише з розподілу, відмінного від того, що досліджується. Метод був вперше введений і у 1978 році і пов'язаний з в обчислювальній фізиці. Залежно від застосування, термін може стосуватися процесу вибірки з цього альтернативного розподілу, процесу висновку або обох. 重要性采样（英語：importance sampling）是统计学中估计某一分布性质时使用的一种方法。该方法从与原分布不同的另一个分布中采样，而对原先分布的性质进行估计。重要性采样与计算物理学中的相关。 Выборка по значимости (англ. importance sampling, далее ВЗ) — один из методов уменьшения дисперсии случайной величины, который используется для улучшения сходимости процесса моделирования какой-либо величины методом Монте-Карло. Идея ВЗ основывается на том, что некоторые значения случайной величины в процессе моделирования имеют бо́льшую значимость (вероятность) для оцениваемой функции (параметра), чем другие. Если эти «более вероятные» значения будут появляться в процессе выбора случайной величины чаще, дисперсия оцениваемой функции уменьшится. Следовательно, базовая методология ВЗ заключается в выборе распределения, которое способствует выбору «более вероятных» значений случайной величины. Такое «смещенное» распределение изменяет оцениваемую функцию, если применяется прямо в процессе расчета. Однако, результат расчета перевзвешивается согласно этому смещенному распределению, и это гарантирует, что новая оцениваемая функция ВЗ не будет смещена. Сам вес дается , то есть производной Радона-Никодима истинного начального распределения по отношению к выбранному смещенному распределению. Фундаментальной задачей в реализации ВЗ является выбор смещенного распределения, которое выделяет регионы с «более вероятными» значениями оцениваемой функции. ВЗ эффективен при удачном выборе и построении такого распределения, так как оно даст существенное сокращение времени вычислений. При неудачном смещенном распределении даже стандартный метод Монте-Карло может дать лучшие результаты. L'échantillonnage préférentiel, en anglais importance sampling, est une méthode de réduction de la variance qui peut être utilisée dans la méthode de Monte-Carlo. L'idée sous-jacente à l'échantillonnage préférentiel, EP dans la suite, est que certaines valeurs prises par une variable aléatoire dans une simulation ont plus d'effet que d'autres sur l'estimateur recherché. Si ces valeurs importantes se réalisent plus souvent, la variance de notre estimateur peut être réduite. Par conséquent la méthode de l'EP est de choisir une distribution qui « encourage » les valeurs importantes. L'utilisation d'une distribution biaisée conduira à un estimateur biaisé si nous l'appliquons directement aux simulations. Cependant, les différentes simulations sont pondérées afin de corriger ce biais ; l'estimateur EP est alors sans biais. Le poids qui est donné à chaque simulation est le ratio de vraisemblance, qui est la densité de Radon-Nikodym de la vraie distribution par rapport à la distribution biaisée. Le point fondamental dans l'implémentation d'une simulation utilisant l'EP est le choix de la distribution biaisée. Choisir ou créer une bonne distribution biaisée est l'art des EP. L'avantage peut alors être une énorme économie de temps de calculs alors que l'inconvénient pour une mauvaise distribution peut être des calculs plus longs qu'une simple simulation de Monte-Carlo. Importance Sampling (im Deutschen manchmal auch Stichprobenentnahme nach Wichtigkeit, oder Stichprobenziehung nach Wichtigkeit genannt) ist ein Begriff aus dem Bereich der stochastischen Prozesse, der die Technik zur Erzeugung von Stichproben anhand einer Wahrscheinlichkeitsverteilung beschreibt. Importance Sampling ist eine von mehreren Möglichkeiten zur Varianzreduktion, also zur Steigerung der Effizienz von Monte-Carlo-Simulationen.
gold:hypernym
dbr:Technique
prov:wasDerivedFrom
wikipedia-en:Importance_sampling?oldid=1124796758&ns=0
dbo:wikiPageLength
25097
foaf:isPrimaryTopicOf
wikipedia-en:Importance_sampling