L'algoritmo di rejection semplingsampling genera valori di campionamento da una distribuzione target <math>X </math> con [[funzione di densità di probabilità]] arbitraria <math>f(x) </math> utilizzando una [[proposal distribution]] <math>Y </math>con densità di probabilità <math>g(x) </math>.
L'algoritmo (usato da [[John von Neumann]] e risalente a Buffon e al [[Ago di Buffon|suo ago]]) per ottenere un campione dalla distribuzione <math>X </math>con densità <math>f(x)</math> utilizzando campioni dalla distribuzione <math>Y </math> con densità <math>g(x) </math> è il seguente:
Riga 29:
== Svantaggi ==
Il probelmaproblema principale dell'algoritmo di rejection sampling è che può generare un numero molto elevato di campioni che poi vengnovengono scartati, soprattutto nel caso in cui la funzione campionata è concertataconcentrata in una certa regione. Per molte distribuzioni, questo probelmaproblema può essere risolto utilizzando una versione adattiva dell'algoritmo (vedi [[adaptive rejection sampling]]). In altre dimensioni, è necessario utilizzare approcci differenti, come per esempio metodi [[Markov Chain Monte Carlo]], tra i quali [[Algoritmo di Metropolis-Hastings|Metropolis sampling]] o [[Campionamento di Gibbs|Gibbs sampling]].
