如何估算积分的精度?


11

在计算机图形学中,一种非常普遍的情况是某些像素的颜色等于某些实值函数的积分。函数通常过于复杂而无法解析求解,因此我们只需要进行数值逼近即可。但是该函数的计算量通常也非常昂贵,因此我们在可计算的样本数量上受到极大的限制。(例如,您不能只是决定抽取一百万个样本并留在此处。)

通常,您要做的是在随机选择的点上评估函数,直到估计的积分变得“足够精确”为止。这使我想到了一个实际的问题:您如何估算积分的“准确性”?


更具体地说,我们有,它是由一些复杂的,缓慢的计算机算法实现的。我们要估计f:RR

k=abf(x) dx

我们可以为所需的任何x计算,但这很昂贵。因此,我们想随机选择几个x值,并在k的估计变得可接受的准确时停止。当然,要做到这一点,我们需要知道当前估计的实际准确性。f(x)xxk

我什至不确定哪种统计工具适合此类问题。但是在我看来,如果我们对f绝对一无所知,那么这个问题就无法解决。例如,如果您计算f x 一千次且始终为零,则估计积分将为零。但是,一无所知约˚F,它仍然可能是˚F X = 1 000 000处处除非你碰巧样本点,因此您的估计是错得离谱!ff(x)ff(x)=1,000,000

也许,那么,我的问题应该从“我们需要了解以便使我们估计积分的精度成为可能f?”开始。例如,我们经常知道不可能为负,这似乎是一个高度相关的事实...f


编辑:好的,所以这似乎产生了很多响应,这很好。与其单独回答每个问题,不如尝试在此处补充一些其他背景。

ffff

fff

f

另外,考虑到“蒙特卡洛”的出现次数,我猜这是这种集成的技术术语吗?


ff

2
通常,当您通过已知函数进行集成时,您可以做得比Monte Carlo集成要好得多。蒙特卡洛以的比率收敛到真实值1/NN1/N(lnN)n/Nn

1
f

1
ff

1
f

Answers:


2

222222


3
0Mf

1
@Macro在不了解f的情况下,我看不到如何基于在固定的有限点集上对积分的估计值的统计准确性说什么。我的假设很小。如果f在区间[a,b]上有界,那么应该有足够大的M可以用作f的上限。
Michael R. Chernick 2012年

M

2
这是一个假设。我用最小的一词来表示,我做出尽可能少的假设来得出明确的答案。
Michael R. Chernick 2012年

f

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.