产生事例,来得到相对于该变量的微分面。 假定微分面公式用如下符号示: do(x) 这里衰示张开相空间的运动学变量。根据蒙饽卡洛理论,总微 面a=d的象管卡洛估计值为 1do(, ).j. dx N台c 式中x是均訇分布的随机矢量 象特卡洛积分求。具有如下的铲性: (1)当N很大时,σ收歙亍。。 2)σ的期望值于σ (3)当N足够大时,σ是服从正庵分布的。 (4)o的标准禄她为[p° 利用事例产生程序来产生非加权事创,常用的方法有两利 (1)自适应抽样法,它是将量要抽样法和分层抽样法结合起来 的选代算法; (2)重要抽祥法。它们都可以藏小计算出的面方鑾。 当言例产生程序果用自适应抽禅法时,原则上并不釁耍言先 微分裁雷如(的性质有一些了解。程序自身可以根据函数特性 来调。产生事例，来得到相对于该变量的微分截面。 假定微分截面公式用如下符号表示： x dx dx d d G G G ( ) σ σ = . 这里 表示张开相空间的运动学变量。根据蒙特卡洛理论，总截 面 的蒙特卡洛估计值为 x G ∫ σ = dσ ( ) ∑ ∫ ′ = ⋅ = x dx dx d N i N i G G G 1 1 σ σ 式中xi是均匀分布的随机矢量。 G 蒙特卡洛积分要求σ ′具有如下的特性： （1） 当 N 很大时，σ ′收敛于σ 。 （2） σ ′的期望值等于σ 。 （3） 当 N 足够大时，σ ′是服从正态分布的。 （4） σ ′的标准误差为 1/ 2 ( ) /             x N dx d V G G σ 。 利用事例产生程序来产生非加权事例，常用的方法有两种。 （1）自适应抽样法，它是将重要抽样法和分层抽样法结合起来 的迭代算法； （2）重要抽样法。它们都可以减小计算出的截面方差。 当事例产生程序采用自适应抽样法时，原则上并不需要事先 对微分截面 (x) dx d G G σ 的性质有一些了解。程序自身可以根据函数特性 来调整