极端事件是指发生概率很小的事件，广泛存在于金融、生物学、气象学等众多领域：估计该类事件发生的概率在实际中有重要的作用。提高极端事件模拟的速度和准确性的中心技术就是重要抽样，但对于复杂的密度函数最优的参数却很难获得。本文给出采用交叉熵距离最小的方法获得最优参数，从而估计出极端事件发生的概率。　　这篇文章中，我们首先介绍应用重要抽样法（Importance Sampling，简称IS）模拟极端事件的相关理论和应用。随后，介绍交叉熵（Cross Entropy，简称CE）的定义、方法以及性质，并使用 R程序对算法进行实施，求得参数值验证其可行性。最后，分别对混合分布和重尾分布（以Pareto、Weibull分布为例）的极端事件模拟进行介绍和分析，结果表明：基于交叉熵的重要抽样法模拟极端事件优于传统的CMC（Crude Monte Carlo）方法。