我们开发了基于重要性抽样的有效模拟技术，用于与具有i.i.d.规则变化增量的随机游走相关的三种常见罕见事件概率；即，1）大偏差概率，2）水平交叉概率，以及3）再生周期内的水平交叉概率。基于指数扭曲的状态依赖方法有效地估计了轻尾增量的这些概率，但在重尾增量时不适用。为了解决后一种情况，在过去几年的文献中开发了更复杂、更优雅的状态相关高效仿真算法。我们建议，通过适当地将这些罕见事件概率分解为主要和进一步的剩余分量，可以为每个分量设计更简单的状态相关重要性抽样算法，从而得到具有理想效率特性的复合无偏估计量。当增量具有无限方差时，由于即使是众所周知的零方差度量也具有无限的预期终止时间，因此估计平交道口概率的复杂性增加。我们调整了我们的算法，使得这个期望是有限的，而估计量仍然是非常有效的。从数值上看，所提出的估计器的性能至少与文献中现有的状态相关估计器一样好，有时甚至要好得多。