Comment répartir de manière optimale les tirages lors du calcul de plusieurs attentes

9

Supposons que nous voulons calculer une certaine attente:

EOuiEX|Oui[F(X,Oui)]

Supposons que nous voulions l'approcher en utilisant la simulation de Monte Carlo.

EOuiEX|Oui[F(X,Oui)]1RSr=1Rs=1SF(Xr,s,yr)

Mais supposons qu'il est coûteux de prélever des échantillons des deux distributions, de sorte que nous ne pouvons nous permettre de tirer un nombre fixe . K

Comment devrions-nous allouer ? Les exemples incluent dessine à chaque distribution, ou à l'extrême, un tirage à l'extérieur et dessine à l'intérieur, vice versa etc .....K / 2 K - 1KK/2K-1

Mon intuition me dit que cela aura à voir avec la variance / entropie des distributions les unes par rapport aux autres. Supposons que l'une externe est un point de masse, puis la division de qui minimise l' erreur MC serait dessiner une de l' et dessiner du . Y K - 1 X | OuiKOuiK-1X|Oui

J'espère que c'était clair.

Wolfsatthedoor
la source
Réparé pour vous
wolfsatthedoor
1
Le "vice versa" et votre commentaire à la réponse @ Xi'ans semblent indiquer que vous considérez qu'il est possible de dessiner la variable externe plus de fois que la variable interne, mais comment cela pourrait-il avoir un sens - ne sont pas tous des outers pour lesquels les inners sont dessinés gaspillés? 0
Juho Kokkala
Assez juste, au moins un tirage par extérieur, je suppose. Ou vous pourriez penser à le programmer pour enregistrer le tirage je suppose
wolfsatthedoor
1
@robertevansanders Veuillez confirmer si l'interprétation de votre question dans les deux premières phrases de la réponse de Xi'ans est correcte
Juho Kokkala
Comme vous l'avez dit, oui, mais changez y et x
wolfsatthedoor

Réponses:

4

C'est une question très intéressante avec peu de documentation dans la littérature de Monte Carlo, sauf en rapport avec la stratification et la Rao-Blackwellisation . Cela est peut-être dû au fait que les calculs de la variance conditionnelle attendue et de la variance de l'espérance conditionnelle sont rarement réalisables.

Supposons d'abord que vous exécutez des simulations partir de π X , x 1 , , x R et que pour chaque x r simulé , vous exécutez des simulations S à partir de π Y | X = x r , y 1 r , , y s r . Votre estimation de Monte Carlo est alors δ ( R , S ) = 1RπXX1,,XRXrSπOui|X=Xry1r,,ysr La variance de cette estimation se décompose comme suit var { δ ( R , S ) }

δ(R,S)=1RSr=1Rs=1SF(Xr,yrs)
conséquentsion veut minimiser cet écart le choix optimal estR=K. Cela implique queS=1. Sauf lorsque le premier terme de variance est nul, auquel cas cela n'a pas d'importance. Cependant, comme discuté dans les commentaires, l'hypothèseK=RSest irréaliste car elle ne tient pas compte de la production d'unxr[ou suppose que cela vient gratuitement].
var{δ(R,S)}=1R2S2Rvar{s=1SF(Xr,yrs)}=1RS2varXEOui|X{s=1SF(Xr,yrs)|Xr}+1RS2EXvarOui|X{s=1SF(Xr,yrs)|Xr}=1RS2varX{SEOui|X[F(Xr,Oui)|Xr]}+1RS2EX[SvarOui|X{F(Xr,Oui)|Xr}]=1RvarX{EOui|X[F(Xr,Oui)|Xr]}+1RSEX[varOui|X{F(Xr,Oui)|Xr}]=K=RS1RvarX{EOui|X[F(Xr,Oui)|Xr]}+1KEX[varOui|X{F(Xr,Oui)|Xr}]
R=KS=1K=RSXr

Maintenant , supposons différents coûts de simulation et la contrainte budgétaire , ce qui signifie que les y r s « coût s une fois de plus pour simuler que le x r » s. La décomposition ci-dessus de la variance est alors 1R+uneRS=byrsuneXr qui peut être minimisé dansRcomme R=b/1+{aEX[varY| X{f(xr,Y)| xr

1RvarX{EOui|X[F(Xr,Oui)|Xr]}+1R(b-R)/uneREX[varOui|X{F(Xr,Oui)|Xr}]
R [le nombre entierplus proche sous les contraintes R 1 et S 1 ], sauf lorsque la première variance est égale à zéro, auquel cas R = 1 . Lorsque E X [ var Y | X { f ( x r ,
R=b/1+{uneEX[varOui|X{F(Xr,Oui)|Xr}/varX{EOui|X[F(Xr,Oui)|Xr]}}1/2
R1S1R=1 , la variance minimale correspond à un maximum R , ce qui conduit à S = 1 dans le formalisme actuel.EX[varOui|X{F(Xr,Oui)|Xr}]=0RS=1

Notez également que cette solution doit être comparée à la solution symétrique lorsque l'intégrale interne est dans étant donné Y et l'intégrale externe est contre la marginale dans Y (en supposant que les simulations sont également réalisables dans cet ordre).XOuiOui

S(Xr)XrvarOui|X{F(Xr,Oui)|Xr}

Xi'an
la source
2
K=RSK=RS+RXy
2
RXOui K-1K/2Oui K/2S=1
@ Xi'an oui Kolkata est correct, votre solution ne peut généralement pas tenir. Supposons maintenant que la variable interne ait une distribution dégénérée et que la variable externe ait une variance significative, alors vous voudriez échantillonner le moins de tirages internes possible
wolfsatthedoor
Je pense que votre réponse ne peut pas être juste. Supposons que la distribution intérieure soit dégénérée et que l'extérieur soit de grande variance, comment S peut-il être 1
wolfsatthedoor
varOui|X{F(Xr,Oui)|Xr}=0R=bRS1R(1+uneS)bS=1Rb.
Xi'an