Questa è una domanda molto interessante con poca documentazione nella letteratura di Monte Carlo, tranne in relazione alla stratificazione e alla
Rao-Blackwellisation . Ciò è probabilmente dovuto al fatto che i calcoli della varianza condizionale attesa e della varianza dell'aspettativa condizionale sono raramente fattibili.
Innanzitutto, supponiamo che tu esegua simulazioni da , e per ogni simulato , esegui simulazioni da , . La vostra stima Monte Carlo è quindi
La la varianza di questa stima è scomposta come segue
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= xry1 r, ... , ys r var { δ ( R , S ) }
δ( R , S) = 1R SΣr = 1RΣs = 1Sf( xr, yr s)
R=KS=1K=RSxrvar { δ( R , S) }= 1R2S2R var { ∑s = 1Sf( xr, yr s) }= 1R S2varXEY| X{ ∑s = 1Sf( xr, yr s) ∣|Xr} + 1R S2EXvarY| X{ ∑s = 1Sf( xr, yr s) ∣|Xr}= 1R S2varX{ SEY| X[ f( xr, Y) | Xr] } + 1R S2EX[ SvarY| X{ f( xr, Y) | Xr} ]= 1RvarX{ EY| X[ f( xr, Y) | Xr] } + 1R SEX[ varY| X{ f( xr, Y) | Xr} ]=K= R S1RvarX{ EY| X[ f( xr, Y) | Xr] } + 1KEX[ varY| X{ f( xr, Y) | Xr} ]
Pertanto, se si desidera ridurre al minimo questa varianza, la scelta ottimale è
R = K. Implica che . Tranne quando il termine della prima varianza è nullo, nel qual caso non ha importanza. Tuttavia, come discusso nei commenti, l'ipotesi non è realistica in quanto non tiene conto della produzione di un [o presuppone che ciò gratuitamente].
S= 1K= R SXr
Ora supponiamo diversi costi di simulazione e il vincolo di bilancio , il che significa che il 's costo volte di più per simulare quello ' s. La suddetta decomposizione della varianza è quindi
che può essere ridotto a icona in come
[il numero intero più vicino sotto i vincoli e ], tranne quando la prima varianza è uguale a zero, nel qual casoy r s a x r 1R + a R S= byr sun'XrRR∗=b/1+{aEX[varY| X{f(xr,Y)| xr}/varX
1RvarX{ EY| X[ f( xr, Y) | Xr] } + 1R ( b - R ) / a REX[ 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 = 1R*= b / 1 + { a EX[ varY| X{ f( xr, Y) | Xr} / varX{ EY| X[ f( xr, Y) | Xr] } }1 / 2
R ≥ 1S≥ 1R = 1 . Quando , la varianza minima corrisponde a una massima , che porta a nell'attuale formalismo.
EX[varY|X{f(xr,Y)|xr}]=0RS=1
Si noti inoltre che questa soluzione deve essere confrontata con la soluzione simmetrica quando l'integrale interno è in dato e l'integrale esterno è contro la marginale (assumendo che le simulazioni sono possibili anche in questo ordine).Y YXYY
Un'interessante estensione della domanda sarebbe quella di considerare un diverso numero di simulazioni per ogni simulato , a seconda del valore .S(xr)xrvarY|X{f(xr,Y)|xr}