Ich hoffe, dies ist der richtige Ort, um zu fragen, ob Sie es nicht in ein geeigneteres Forum verschieben können.
Ich habe mich schon eine ganze Weile gefragt, wie man nicht quadratisch integrierbare Funktionen mit Monte Carlo Integration behandelt. Ich weiß, dass MC immer noch eine korrekte Schätzung liefert, aber der Fehler ist für diese Art von Funktionen nicht erreichbar (divergent?).
Beschränken wir uns auf eine Dimension. Monte-Carlo-Integration bedeutet, dass wir das Integral approximieren
unter Verwendung der Schätzung
mit gleichmäßig verteilten Zufallspunkten. Das Gesetz der großen Zahlen stellt sicher , dass . Die StichprobenvarianzE ≈ I.
approximiert die Varianz der durch induzierten Verteilung . Wenn jedoch nicht quadratintegrierbar ist, dh das Integral der quadratischen Funktion divergiert, impliziert dies f f
was bedeutet, dass auch die Varianz divergiert.
Ein einfaches Beispiel ist die Funktion
für die und .σ2=∫10dx
Wenn endlich ist, kann man den Fehler des Mittelwerts durch approximieren , aber was ist, wenn ist nicht quadratintegrierbar? E S. f(x)
quelle
Antworten:
Sie können auch andere Skalen- / Dispersionsmaße wie den Interquantilbereich verwenden, die nicht von der Schwanzasymptotik und damit der quadratischen Integrierbarkeit betroffen sind. Mit dem zusätzlichen Vorteil, dass sie im Allgemeinen sowieso sowieso robuster sind.
Offensichtlich soll man sie auf ein Resampling / Bootstrap gefolgt vom Mittelwertschätzer anwenden, nicht direkt auf die Rohausgabe der MC-Abtastung der Funktion vor der Mittelwertbildung. Sie können auch allgemeine L-Schätzer einchecken und einen von ihnen anpassen, um diese beiden Schritte für die Leistung zu einem zusammenzuführen. Die beiden Verteilungen dürfen jedoch mental nicht verwechselt werden, obwohl das Schätzer-PDF natürlich einige Merkmale erbt (einschließlich möglicherweise fehlender Quadrate) Integrierbarkeit).
quelle