El procedimiento clásico e ingenuo para generar muestras de la Hiperesfera de Poisson es por rechazo de aceptación, que tiene una complejidad superior a O(N2) y, por tanto, es inviable para la mayoría de los usos prácticos con la generación sobre la marcha. Este coste podría mejorarse con técnicas de partición del espacio en dimensiones bajas, pero en las altas, según parece, vuelven a ser inútiles con distribuciones uniformes. Por lo tanto, el muestreo de discos de Poisson no se utiliza ampliamente más allá de la dimensión 10, y me temo que, en general, no es un método significativo en dimensiones altas debido a cuestiones geométricas, que son convenientemente evitadas por las secuencias estándar de baja discrepancia (por ejemplo, el hecho de que la mayor parte del volumen del hipercubo está cerca del límite). Otro inconveniente con respecto a algunas secuencias cuasi-MC es que no se aprovecha la suavidad del integrando y, por tanto, la convergencia puede ser significativamente más lenta.
De espíritu similar es cuantificación óptima que se realiza sobre distribuciones arbitrarias no uniformes (por Pages, Callegaro &c). Tiene propiedades útiles pero sufre de inconvenientes prácticos aún peores (a menudo los puntos deben ser precalculados).
En mi opinión, el camino a seguir es el cuasi-MC, ya que existen métodos modernos y sofisticados que superan a cualquier otro por un amplio margen, en particular cuando se utilizan con las adaptaciones adecuadas del integrando.
