顺序方向重要性采样（SDIS）下的罕见事件估计
摘要：稀有事件估计中的顺序定向重要抽样（SDIS）方法，提出了一种SDIS方法，将小概率事件表达为一系列辅助失败概率，通过放大输入变异性来定义。序列中的第一个概率通过蒙特卡洛模拟在笛卡尔坐标系中估计，所有后续的概率都是在极坐标中通过方向重要抽样计算得出的。用于估计中间概率的方向重要抽样密度的样本是通过重新采样-移动方案以顺序方式绘制的。后者在笛卡尔坐标系中方便地进行，并通过适当的转换获得方向样本。对于移动步骤，我们讨论了两种马尔科夫链蒙特卡洛（MCMC）算法，适用于低维和高维问题。最后，提出了自适应选择定义中间失效概率的参数，并分析了失效概率估计结果的变异系数。在各种问题设置中，对五个示例进行了SDIS方法的测试，结果表明该方法优于现有的顺序抽样可靠性方法。
作者：Kai Cheng, Iason Papaioannou, Zhenzhou Lu, Xiaobo Zhang, Yanping Wang
论文ID：2202.05683
分类：Computation
分类简称：stat.CO
提交时间：2022-02-14