Tirer d'une distribution choisie pour placer les échantillons là où ils comptent, puis re-pondérer.L'échantillonnage préférentiel est une technique de réduction de variance utilisée dans les simulations de Monte Carlo pour rendre les estimations plus efficaces. Au lieu de tirer des échantillons de la distribution de probabilité d'origine, on tire d'une distribution différente, soigneusement choisie, qui concentre les échantillons dans les régions qui contribuent le plus à la quantité estimée. Chaque échantillon est ensuite pondéré par le rapport de la distribution d'origine à la distribution d'échantillonnage pour corriger le biais. Cela est particulièrement utile lorsque la distribution cible comporte des événements rares mais importants, comme les queues à haute énergie en physique des particules ou les fluctuations extrêmes en mécanique statistique.
La technique a été introduite dans les années 1950 par Herman Kahn et Theodore E. Harris dans le contexte des méthodes de Monte Carlo pour le transport de particules, bien que l'idée générale de pondérer les échantillons ait des racines plus anciennes dans les sondages.
Supposons que vous vouliez estimer l'espérance d'une fonction f(x) sous la distribution p(x). Vous choisissez une distribution de proposition q(x) qui est facile à échantillonner et qui est grande là où f(x)p(x) est grand. Vous tirez des échantillons de q(x), calculez f(x)p(x)/q(x) pour chacun, et faites la moyenne. Les poids garantissent que l'estimation est sans biais. La clé est de choisir q(x) de sorte que la variance des échantillons pondérés soit minimisée, idéalement en rendant l'intégrande presque constante. En pratique, q(x) est souvent choisie comme une version décalée ou mise à l'échelle de p(x) ou comme une distribution qui se rapproche de la région d'importance cible.
Largement utilisé en physique des particules pour la génération d'événements, en finance pour le pricing des options, et en statistique bayésienne pour l'inférence a posteriori.
En physique des hautes énergies, l'échantillonnage préférentiel est utilisé pour simuler des processus rares comme la production du boson de Higgs, où le taux d'événements est minuscule par rapport aux processus de fond.






