더 적절한 포럼으로 자유롭게 이동하지 않더라도 질문하기에 좋은 장소가되기를 바랍니다.
나는 Monte Carlo Integration으로 비 정사각형 통합 가능 함수 를 처리하는 방법을 꽤 오랫동안 궁금해했습니다 . MC가 여전히 적절한 추정치를 제공하지만 이러한 종류의 기능에 대해서는 오류가 돌이킬 수 없습니다 (발산?).
우리를 한 차원으로 제한합시다. 몬테카를로 통합은
견적을 사용하여
와 균일하게 분포 된 랜덤 포인트. 많은 수의 법칙은 입니다. 표본 분산
f 에 의해 유도 된 분포 의 분산 를 근사합니다 . 그러나 f 가 제곱 적분이 아닌 경우 , 즉 제곱 함수의 적분이 갈라지면 이는 암시합니다.
또한 분산이 분산됨을 의미합니다.
간단한 예는 함수입니다
있는 및 입니다.
경우 유한 한 평균의 오차에 근사 할 수있다 의해 , 그러나 만약 제곱 적분이 아닌가?
1
나는 그것을 얻지 못합니다 : 당신은 중 어느 것도 분산을 가지고 있지 점에서 시작 하여 평균의 분산이 존재하지 않는 분산의 합리적인 추정기인지 묻습니다! 아니면이 질문을 잘못 읽었을 것입니다. 아마도 "통계적으로 독립적 인 추정" 에 의해 적분을 생각하는 다른 (아마도 강력한) 추정기가 있습니까?
—
whuber
나는 에 분산 이 없다고 말하지 않았고 의해 분산을 정의 할 수 없다고 만했습니다 . 따라서 문제는 내가 오류 를 전혀 정의 할 수 있는지 여부 와 가 합리적인 후보인지 여부입니다. 통계적으로 독립한다는 것은 가 다른 난수를 사용하여, 예를 들어 다른 시드 난수 생성기를 사용하여 는 것을 의미합니다 .
—
cschwan
" 의해 분산을 정의 할 수 없음"이라는 의미를 설명하십시오 . 분산 및 의 표준 정의를 사용하여이를 이해할 수 없습니다 .
—
whuber
글쎄, 함수는 제곱 적분이 아니므로 실수하지 않으면 가 분기 되어야합니다 . 이 경우 대한 정의 가 처음에는 의미가 없습니다. 그러나 중앙 한계 정리 를 통해 는 여전히 적분의 실제 값으로 수렴하지만 오류가 없으면이 값만으로는 의미가 없습니다 (이 결과가 '좋은'이유는 무엇입니까?).
—
cschwan 2016 년
죄송합니다. 물론 CLT가 아니라 "많은 수의 법칙"을 말하려고했습니다.
—
cschwan 2016 년