我来梳理下这个问题的前因后果和解决过程：

问题背景 #

• 已知独立随机变量 $X \sim N(0,1)$、$Y \sim N(0,1)$，定义 $Z = g(X,Y) = X^2 + Y^{2$，它服从自由度为2的卡方分布（$\chi}2(2)$）
• 目标是计算 $E[Z]$，由于当 $g$ 形式复杂时无法直接推导分布，所以采用无意识统计学家法则，结合蒙特卡洛（MC）重要性采样，用Metropolis-Hastings（M-H）算法实现采样
• 最初遇到的异常：直接从 $\chi^2(2)$ 采样得到的均值约为2（符合卡方分布期望等于自由度的理论结论），但MC重要性采样计算出的均值约为4，二者刚好是2倍关系

偏差原因分析 #

出现2倍偏差的核心问题，几乎可以肯定是重要性采样的权重计算错误：

• 比如在转换采样分布时，遗漏了变量替换的Jacobian行列式系数；
• 或者对目标分布与提议分布的概率密度比值计算有误，比如把二维正态的联合密度当成一维处理，或者忽略了 $\chi^2(2)$ 与指数分布的等价性（$\chi^2(2)$ 等价于参数为1/2的指数分布，期望为2），导致权重整体被缩放了2倍，最终期望结果也随之放大。

修正后的结果验证 #

修正权重计算逻辑后，两种方法的结果完全对齐，同时M-H采样的效率表现更优：

• 直接从 $\chi^2(2)$ 采样的均值：2.0159
• MC+M-H重要性采样计算的均值：1.9694

这两个结果都非常接近理论期望2，完美验证了方法的正确性。

额外提示：未知目标分布时的常数验证 #

如果遇到未知 $g(X,Y)$ 分布的场景，想要确认重要性采样的结果是否正确，可以通过以下方式：

• 先用小样本暴力蒙特卡洛（直接从原始的 $X,Y$ 分布采样，计算 $g(X,Y)$ 后取平均）作为基准值，对比重要性采样的结果；
• 检查重要性权重的均值，如果权重均值偏离1过多，大概率是权重计算存在问题；
• 尝试更换不同的提议分布，观察结果是否收敛到同一数值，以此验证结果的稳健性。

内容的提问来源于stack exchange，提问作者Mike