这是我在 stackexchange 上的第一个答案，所以请随时指出我做错的任何事情。另外，我是学习这门学科的学生，所以我可能会犯错误。

让我们考虑一下在文献中通常缩写为 P(x)/Q(x) 的重要性权重。如果提案密度没有重尾而目标密度有，那么重要性权重将为 P(x) 中相对常见的值赋予非常大的重要性值，而在 Q(x) 中则少得多。随着 Q 变得非常小，P/Q 的比值变得非常大。这将导致异常值过度影响估计。

相反，如果提案有重尾，而目标没有，则估计不会严重扭曲，因为 P/Q 比率非常小，因此该样本的权重会很轻。这不是最优的，因为这样我们就没有整合这个样本信息的全部价值，但至少它不会导致估计量的严重失真。

TLDR：我认为当 P/Q 的比率非常大时，异常值是最差的，因为它们对估计量的影响最大。由于您的目标是拉普拉斯，它的尾巴比正常的要重，所以我不认为这会成为这种特定情况的问题。