为什么要使用蒙特卡罗方法而不是简单的网格?


25

当集成函数或在复杂的仿真中时,我已经看到了蒙特卡洛方法被广泛使用。我问自己为什么不生成点网格来集成函数而不是绘制随机点。那不会带来更准确的结果吗?

Answers:


27

几年前,当我自己问同样的问题时,我发现这些讲义的第一章和第二章很有帮助。简短的摘要:在20维空间中具有个点的网格将需要函数评估。好多 通过使用蒙特卡洛模拟,我们在一定程度上规避了维数的诅咒。蒙特卡洛模拟的收敛为,尽管相当慢,但在尺寸上是独立的Ñ 20 ø ñ - 1 / 2NN20O(N1/2)


2
+1此答复之所以如此闪耀,是因为它提供了定量推理的支持。
ub

11

当然可以;但是它会带来更大的CPU使用率。特别是在许多维度上,问题变得更加严重,因为网格实际上无法使用。




-2

两件事情 -

  1. 通过避免维数诅咒来加快收敛速度​​。因为网格中的大多数点都位于同一超平面上,而没有贡献太多的额外信息。随机点均匀地填充N维空间。LDS更好。

  2. 有时,对于蒙特卡洛方法,我们需要没有特定顺序的统计随机点。网格点的有序序列将导致较差的统计特性。


2
您能否解释为什么位于同一超平面上的点不提供有关积分的“额外信息”?我正在描绘一个一般情况,其中对上可测量的实值函数的域进行采样,并且的积分由样本上的平均值估算。总的来说,我看不到任何理由说明为什么这样的在与它的域相交的所有超平面上都不会有实质性的变化。也许您在换个角度思考蒙特卡洛模拟? ˚F˚F˚FRnfff
ub
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.