Предположим, мы хотим вычислить некоторое ожидание:
Предположим, мы хотим приблизить это с помощью моделирования Монте-Карло.
Но предположим , что это дорого брать пробы из обоих распределений, так что мы только можем себе позволить сделать фиксированное число .
Как мы должны выделить ? Примеры включают в себя ничьи для каждого распределения или в крайнем случае, одну ничью во внешнем и во внутреннем, и т. Д. .....К / 2 К - 1
Моя интуиция говорит мне, что это будет связано с дисперсией / энтропией распределений относительно друг друга. Предположим , что внешняя одна точка массы, то деление , что сводит к минимуму MC ошибка будет ничья 1 из и нарисовать из . Y K - 1 X | Y
Надеюсь, это было ясно.
optimization
conditional-probability
simulation
expected-value
monte-carlo
wolfsatthedoor
источник
источник
Ответы:
Во-первых, давайте предположим, что вы запускаете симуляций из π X , x 1 , … , x R, и для каждого симулированного x r вы запускаете S симуляций из π Y | X = x r , y 1 r , … , y s r . Ваша оценка Монте-Карло тогда δ ( R , S ) = 1R πX x1,…,xR xr S πY|X=xr y1r,…,ysr
Дисперсия этой оценки разлагается следующим образом:
var { δ ( R , S ) }
Теперь давайте предположим , различные затраты моделирования и бюджетное ограничение , а это означает , что у г s «s стоимости через несколько раз , чтобы смоделировать , чем х Г » с. Вышеуказанное разложение дисперсии составляет 1R + a R S= б Yr s a Икср
которое можно минимизировать вRкак
R∗=b/1+{aEX[varY| X{f(xr,Y)| хр
Отметим также, что это решение следует сравнивать с симметричным решением, когда внутренний интеграл находится в заданном Y, а внешний интеграл против маргинального в Y (предполагая, что моделирования также возможны в этом порядке).X Y Y
источник