Como distribuir os desenhos de maneira ideal ao calcular várias expectativas

9

Suponha que desejemos calcular alguma expectativa:

EYEX|Y[f(X,Y)]

Suponha que queremos aproximar isso usando a simulação de Monte Carlo.

EYEX|Y[f(X,Y)]1RSr=1Rs=1Sf(xr,s,yr)

Mas suponhamos que é caro para extrair amostras a partir de ambas as distribuições, de modo que só pode dar ao luxo de chamar um número fixo . K

Como devemos alocar ? Os exemplos incluem empates para cada distribuição, ou, no extremo, um empate no exterior e empates no interior, vice-versa, etc .....KK/2K1

Minha intuição me diz que isso tem a ver com a variação / entropia das distribuições relativas umas às outras. Suponhamos que o exterior é um ponto de massa, em seguida, a divisão de que minimiza o erro MC seria desenhar um do e desenhar do . KYK1X|Y

Espero que isso esteja claro.

wolfsatthedoor
fonte
Fixa-lo para você
wolfsatthedoor
11
O "vice-versa" e o seu comentário à resposta de @ Xi'ans parecem indicar que você considera possível desenhar a variável externa mais vezes que a variável interna, mas como isso pode fazer sentido - não são todos os que não fazem nada internos são desperdiçados? 0
Juho Kokkala
Justo, mínimo um empate por fora, eu acho. Ou você poderia pensar em programá-lo para salvar a desenhar suponho
wolfsatthedoor
11
@robertevansanders Confirme se a interpretação de sua pergunta nas duas primeiras frases da resposta de Xi'ans está correta #
Juho Kokkala
Como você disse, sim, mas mude yex
wolfsatthedoor

Respostas:

4

Essa é uma pergunta muito interessante, com pouca documentação na literatura de Monte Carlo, exceto em relação à estratificação e à Rao-Blackwellisation . Isso possivelmente se deve ao fato de que os cálculos da variação condicional esperada e da variação da expectativa condicional raramente são viáveis.

Primeiro, vamos supor que você execute simulações de , e para cada simulado , execute simulações de , . A sua estimativa de Monte Carlo é então O variância desta estimativa é decomposta da seguinte forma π X x 1 , , x R x r S π Y | X = x r y 1 r , , y s r δ ( R , S ) = 1RπXx1,,xRxrSπY|X=xry1r,,ysr var { δ ( R , S ) }

δ(R,S)=1RSr=1Rs=1Sf(xr,yrs)
R=KS=1K=RSxr
var{δ(R,S)}=1R2S2Rvar{s=1Sf(xr,yrs)}=1RS2varXEY|X{s=1Sf(xr,yrs)|xr}+1RS2EXvarY|X{s=1Sf(xr,yrs)|xr}=1RS2varX{SEY|X[f(xr,Y)|xr]}+1RS2EX[SvarY|X{f(xr,Y)|xr}]=1RvarX{EY|X[f(xr,Y)|xr]}+1RSEX[varY|X{f(xr,Y)|xr}]=K=RS1RvarX{EY|X[f(xr,Y)|xr]}+1KEX[varY|X{f(xr,Y)|xr}]
Portanto, se alguém deseja minimizar essa variação, a melhor opção éR=K. Implicando que . Exceto quando o primeiro termo de variação é nulo, caso em que não importa. No entanto, conforme discutido nos comentários, a suposição é irrealista, pois não leva em consideração a produção de um [ou assume que isso é gratuito].S=1K=RSxr

Agora vamos assumir diferentes custos de simulação e a restrição orçamentária , o que significa que o 'custo s vezes mais para simular que o ' s. A decomposição acima da variação é então que pode ser minimizada em como [o número inteiro mais próximo sob as restrições e ], exceto quando a primeira variância é igual a zero, nesse casoy r s a x r 1R+aRS=byrsaxrRR=b/1+{aEX[varY| X{f(xr,Y)| xr}/varX

1RvarX{EY|X[f(xr,Y)|xr]}+1R(bR)/aREX[varY|X{f(xr,Y)|xr}]
R R 1 S 1 R = 1 E X [ var Y | X { f ( x r , Y ) | x r } ] = 0 R S = 1
R=b/1+{aEX[varY|X{f(xr,Y)|xr}/varX{EY|X[f(xr,Y)|xr]}}1/2
R1S1R=1 . Quando , a variação mínima corresponde a um máximo , o que leva a no formalismo atual.EX[varY|X{f(xr,Y)|xr}]=0RS=1

Observe também que essa solução deve ser comparada com a solução simétrica quando a integral interna estiver em dada a e a integral externa estiver contra a marginal em (assumindo que as simulações também sejam viáveis ​​nessa ordem).Y YXYY

Uma extensão interessante para a pergunta seria considerar um número diferente de simulações para cada simulado , dependendo do valor .S(xr)xrvarY|X{f(xr,Y)|xr}

Xi'an
fonte
2
Na conclusão final, você parece estar assumindo mas no cenário da pergunta uma vez que os empates da variável externa também devem ser contados. O resultado aqui diz que, se a amostragem da variável externa estiver livre, é claro que se deve amostrar uma nova externa para cada interna. (Além disso, o papel de e são ligados aqui em comparação com a pergunta, mas que, naturalmente, não importa). K=RSK=RS+Rxy
Juho Kokkala
2
Sim, mas podemos decidir o valor de ... Considere a configuração degenerada em que a var externa é tão constante. É melhor amostrar a constante uma vez e vezes, em vez das constantes vezes e vezes (que é o que implicaria)? Ou estou completamente entendendo mal a pergunta? (Eu só agora ler a segunda frase do seu comentário - não é a suposição declarado na pergunta que eles têm o mesmo custo)RXY K1K/2Y K/2S=1
Juho Kokkala
@ Xian Sim Kolkata está correta, sua solução geralmente não pode ser mantida. Suponha agora que a variável interior tem uma distribuição degenerada eo exterior tem variação significativa, então você gostaria de experimentar como poucos interior desenha possível
wolfsatthedoor
Eu acho que sua resposta não pode estar certa. Suponha que a distribuição no interior é degenerada e o exterior é grande variação, como pode ser S 1
wolfsatthedoor
@robertevansanders: se a distribuição interna é degenerada, , portanto escolhemos o número inteiro mais próximo em as restrições e , o que significa usar para tornar mais próximo possível de . R = b R S 1 R ( 1 + a S ) b S = 1 R bvarY|X{f(xr,Y)|xr}=0R=bRS1R(1+aS)bS=1Rb
Xian