Đây là một câu hỏi rất thú vị với ít tài liệu trong tài liệu Monte Carlo, ngoại trừ liên quan đến phân tầng và
Rao-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,…,ysr
Phương sai của ước tính này bị phân hủy như sau
var { δ ( R , S ) }
δ( R , S) = 1R SΣr = 1RΣs = 1Sf( xr, yr s)
Do đó, nếu ai muốn giảm thiểu sai này lựa chọn tối ưu là
R=K. Ngụ ý rằng
S=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 định
K=RSlà không thực tế vì nó không tính đến việc sản xuất một
xr[hoặc giả sử điều này là miễn phí].
var { δ( R , S) }= 1R2S2R var { Σs = 1Sf( xr, yr s) }= 1R S2varXEY| X{ Σs = 1Sf( xr, yr s)∣∣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= R Sxr
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 + a R S= byr smộtxr
có thể được giảm thiểu trongRlà
R*=b/1+{mộtEX[varY| X{f(xr,Y)| xr
1RvarX{ EY| X[ f( xr, Y) | xr] } + 1R ( b - R ) / a REX[ varY| X{ f( xr, Y) | xr} ]
R
[số nguyên gần nhất dưới sự ràng buộc
R ≥ 1 và
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
R≥1S≥1R=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}