Это очень интересный вопрос с небольшим количеством документации в литературе Монте-Карло, кроме как в связи со стратификацией и
Рао-Блэквеллизацией . Возможно, это связано с тем, что вычисления ожидаемой условной дисперсии и дисперсии условного ожидания редко осуществимы.
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 ) = 1RπXx1,…,xRxrSπY|X=xry1r,…,ysr
Дисперсия этой оценки разлагается следующим образом:
var { δ ( R , S ) }
δ(R,S)=1RS∑r=1R∑s=1Sf(xr,yrs)
Поэтомуесли ктохочетчтобы свестиминимуму эту дисперсию при выборе оптимальной является
Р=К. Подразумевается, что
S=1. За исключением случаев, когда первый член отклонения является нулевым, в этом случае это не имеет значения. Однако, как обсуждалось в комментариях, предположение
K=RSнереально, поскольку оно не учитывает производство одного
xr[или предполагает, что это приходит бесплатно].
var {δ( R ,S) }= 1р2S2R var { ∑s = 1Sf( хр, уr s) }= 1R S2варИксЕY| Икс{ ∑s = 1Sе( хр, уr s) ∣|Икср} + 1R S2ЕИксварY| Икс{ ∑s = 1Sе( хр, уr s) ∣|Икср}= 1R S2варИкс{ SЕY| Икс[ ф( хр, Y) | Икср]}+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= 1К= R SИкср
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= бYr saИкср
которое можно минимизировать вRкак
R∗=b/1+{aEX[varY| X{f(xr,Y)| хр
1рварИкс{ EY| Икс[ ф( хр, Y) | Икср] } + 1R ( b - R ) / a RЕИкс[ варY| Икс{f(xr,Y)|xr}]
R
[ближайшее целое число при ограничениях
R ≥ 1 и
S ≥ 1 ],исключениемкогда первая дисперсия равна нулю,в этом случае
R = 1 . Когда
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 , минимальная дисперсия соответствует максимуму
R , что приводит к
S = 1 в текущем формализме.
EX[varY|X{f(xr,Y)|xr}]=0RS=1
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).XYY
S(xr)xrvarY|X{f(xr,Y)|xr}