Làm thế nào để tối ưu hóa chênh lệch rút ra khi tính toán nhiều kỳ vọng


9

Giả sử chúng ta muốn tính toán một số kỳ vọng:

EYEX|Y[f(X,Y)]

Giả sử chúng ta muốn ước tính điều này bằng cách sử dụng mô phỏng Monte Carlo.

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

NHƯNG giả sử việc rút mẫu từ cả hai bản phân phối là rất tốn kém, do đó chúng tôi chỉ đủ khả năng để vẽ một số cố định . K

Chúng ta nên phân bổ như thế nào? Các ví dụ bao gồm các lần rút cho mỗi phân phối, hoặc ở mức cực đoan, một lần rút ở bên ngoài và rút ra ở bên trong, ngược lại, v.v. .....K / 2 K - 1KK/2K1

Trực giác của tôi nói với tôi rằng nó sẽ phải làm với phương sai / entropy của các bản phân phối liên quan đến nhau. Giả sử một bên ngoài là một điểm hàng loạt, sau đó bộ phận của giảm thiểu MC lỗi sẽ được vẽ 1 của và vẽ của . Y K - 1 X | YKYK1X|Y

Hy vọng điều này là rõ ràng.


Đã sửa nó cho bạn
wolfsatthedoor

1
"Ngược lại" và nhận xét của bạn cho câu trả lời của @ Xi'ans dường như cho thấy rằng bạn cho rằng có thể rút ra biến ngoài nhiều lần hơn biến bên trong, nhưng làm thế nào có thể có ý nghĩa - không phải tất cả đều là Inners được rút ra lãng phí? 0
Juho Kokkala

Tôi đủ công bằng, một trận hòa tối thiểu cho mỗi bên ngoài tôi đoán. Hoặc bạn có thể nghĩ đến việc lập trình nó để cứu lấy trận hòa mà tôi cho là
wolfsatthedoor 29/8/2016

1
@robertevansanders Vui lòng xác nhận xem cách giải thích câu hỏi của bạn trong hai câu đầu tiên của câu trả lời của Xi'ans có đúng không
Juho Kokkala

Như bạn đã nói, ừ, nhưng chuyển đổi y và x
wolfsatthedoor

Câu trả lời:


4

Đây là một câu hỏi rất thú vị với ít tài liệu trong tài liệu Monte Carlo, ngoại trừ liên quan đến phân tầngRao-Blackwellisation . Điều này có thể là do thực tế là các tính toán của phương sai điều kiện dự kiến ​​và phương sai của kỳ vọng có điều kiện hiếm khi khả thi.

Trước tiên, giả sử bạn chạy mô phỏng từ π X , x 1 , Rèn , x R và với mỗi mô phỏng x r , bạn chạy mô phỏng S từ π Y | X = x r , y 1 r , ... , y s r . Ước tính Monte Carlo của bạn là δ ( R , S ) = 1RπXx1,,xRxrSπY|X=xry1r,Giáo dục,ySr Phương sai của ước tính này bị phân hủy như sau var { δ ( R , S ) }

δ(R,S)= =1RSΣr= =1RΣS= =1Sf(xr,yrS)
Do đó, nếu ai muốn giảm thiểu sai này lựa chọn tối ưu làR=K. Ngụ ý rằngS=1. Ngoại trừ khi thuật ngữ phương sai đầu tiên là null, trong trường hợp đó nó không quan trọng. Tuy nhiên, như đã thảo luận trong các ý kiến, giả địnhK=RSlà không thực tế vì nó không tính đến việc sản xuất mộtxr[hoặc giả sử điều này là miễn phí].
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}]
R=KS= =1K= =RSxr

Bây giờ chúng ta giả định chi phí mô phỏng khác nhau và giới hạn ngân sách , có nghĩa là y r s 'chi phí của một lần trở lên để mô phỏng so với x r ' s. Phân rã trên của phương sai là 1R+mộtRS= =byrSmộtxr có thể được giảm thiểu trongRR*=b/1+{mộtEX[varY| X{f(xr,Y)| xr

1RvarX{EY|X[f(xr,Y)|xr]}+1R(b-R)/mộtREX[varY|X{f(xr,Y)|xr}]
R [số nguyên gần nhất dưới sự ràng buộc R 1 S 1 ], trừ khi phương sai đầu tiên là bằng không, trong trường hợp R = 1 . Khi E X [ var Y | X { f ( x r ,
R=b/1+{aEX[varY|X{f(xr,Y)|xr}/varX{EY|X[f(xr,Y)|xr]}}1/2
R1S1R=1 , phương sai tối thiểu tương ứng với R tối đa, dẫn đến S = 1 trong hình thức hiện tại.EX[varY|X{f(xr,Y)|xr}]=0RS=1

Cũng lưu ý rằng giải pháp này nên được so sánh với giải pháp đối xứng khi tích phân bên trong nằm trong cho Y và tích phân bên ngoài so với biên trong Y (giả sử các mô phỏng cũng khả thi theo thứ tự này).XYY

Một phần mở rộng thú vị cho câu hỏi sẽ là xem xét một số mô phỏng nhau cho mỗi mô phỏng x r , tùy thuộc vào giá trị var Y | X { f ( x r , Y ) | x r } .S(xr)xrvarY|X{f(xr,Y)|xr}


2
K=RSK=RS+Rxy

2
RXY K-1K/2Y K/2S= =1

@ Xi'an có Kolkata là chính xác, giải pháp của bạn thường không thể giữ. Giả sử bây giờ biến bên trong có phân phối suy biến và bên ngoài có phương sai có ý nghĩa, sau đó bạn muốn lấy mẫu càng ít rút ra bên trong càng tốt
wolfsatthedoor

Tôi nghĩ rằng câu trả lời của bạn không thể đúng. Giả sử phân phối bên trong bị suy biến và bên ngoài là phương sai lớn, làm sao S có thể là 1
wolfsatthedoor

varY|X{f(xr,Y)|xr}=0R=bRS1R(1+aS)bS=1Rb.
Tây An
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.