Jump to content

Уменьшение дисперсии

Дисперсия случайно сгенерированных точек внутри единичного квадрата может быть уменьшена с помощью процесса стратификации.

В математике , точнее в теории методов Монте-Карло , уменьшение дисперсии — это процедура, используемая для повышения точности оценок , полученных для данного моделирования или вычислительных усилий. [1] Каждая выходная случайная величина моделирования связана с дисперсией , которая ограничивает точность результатов моделирования. Чтобы сделать моделирование статистически эффективным, т. е. получить большую точность и меньшие доверительные интервалы для интересующей выходной случайной величины, можно использовать методы уменьшения дисперсии.Основными методами уменьшения дисперсии являются

Для моделирования с использованием «черного ящика» моделей подмножество моделирования и линейную выборку также можно использовать . Под этими заголовками представлены различные специализированные методы; например, при моделировании переноса частиц широко используются методы «весовых окон» и «разделения/русской рулетки», которые являются формой выборки по важности.

Моделирование сырой нефти Монте-Карло

[ редактировать ]

Предположим, кто-то хочет вычислить со случайной величиной определенное в вероятностном пространстве . Монте-Карло делает это путем выборки iid . копии из а затем оценить через оценщик выборочного среднего

В более мягких условиях, таких как , будет применяться центральная предельная теорема , так что для больших , распределение сходится к нормальному распределению со средним и стандартная ошибка . Поскольку стандартное отклонение сходится только к по курсу , подразумевая, что необходимо увеличить количество симуляций ( ) в раз уменьшить вдвое стандартное отклонение , методы уменьшения дисперсии часто полезны для получения более точных оценок без необходимости очень большого количества симуляций.

Общие случайные числа (CRN)

[ редактировать ]

Метод уменьшения дисперсии обычных случайных чисел — популярный и полезный метод уменьшения дисперсии, который применяется, когда мы сравниваем две или более альтернативные конфигурации (системы) вместо исследования одной конфигурации. CRN также называют коррелированной выборкой , согласованными потоками или согласованными парами .

CRN требует синхронизации потоков случайных чисел, которая гарантирует, что в дополнение к использованию одних и тех же случайных чисел для моделирования всех конфигураций определенное случайное число, используемое для определенной цели в одной конфигурации, используется для точно такой же цели во всех других конфигурациях. Например, в теории массового обслуживания, если мы сравниваем две разные конфигурации кассиров в банке, мы хотели бы, чтобы (случайное) время прибытия N -го клиента было сгенерировано с использованием одного и того же извлечения из потока случайных чисел для обоих. конфигурации.

Основной принцип техники CRN

[ редактировать ]

Предполагать и — наблюдения из первой и второй конфигураций на j -й независимой репликации.

Мы хотим оценить

Если мы выполним n репликаций каждой конфигурации и позволим

затем и является несмещенной оценкой .

И поскольку 's - независимые одинаково распределенные случайные величины,

В случае независимой выборки, т. е. без использования общих случайных чисел, тогда Cov( X 1 j , X 2 j ) = 0. Но если нам удастся вызвать элемент положительной корреляции между X 1 и X 2 такой, что Cov( X 1 j , X 2 j ) > 0, из приведенного выше уравнения видно, что дисперсия уменьшается.

Также можно заметить, что если CRN вызывает отрицательную корреляцию, т.е. Cov( X 1 j , X 2 j ) < 0, этот метод может фактически иметь неприятные последствия, когда дисперсия увеличивается, а не уменьшается (как предполагалось). [2]

См. также

[ редактировать ]
  1. ^ Ботев З.; Риддер, А. (2017). «Уменьшение дисперсии». Wiley StatsRef: Интернет-справочник по статистике : 1–6. дои : 10.1002/9781118445112.stat07975 . ISBN  9781118445112 .
  2. ^ Хэмрик, Джефф. «Метод обычных случайных чисел: пример» . Демонстрационный проект Wolfram . Проверено 29 марта 2016 г.
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: bc1969905cfb1478b4fb925d1a331bf7__1697217180
URL1:https://arc.ask3.ru/arc/aa/bc/f7/bc1969905cfb1478b4fb925d1a331bf7.html
Заголовок, (Title) документа по адресу, URL1:
Variance reduction - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)