我希望这是一个正确的地方,如果不是随意将其移至更合适的论坛的话。
我一直想知道如何使用蒙特卡洛积分来处理非平方可积函数。我知道MC仍会给出适当的估计,但对于此类功能,错误是不可靠的(发散的?)。
让我们限制一个维度。蒙特卡洛积分意味着我们近似积分
使用估计
与 均匀分布的随机点。大数定律确保。样本方差
近似方差 引起的分布 。但是,如果 不是平方可积的,即平方函数的积分发散,这意味着
这意味着方差也不同。
一个简单的例子是函数
为此 和 。
如果 是有限的,可以近似均值的误差 通过 ,但如果 不平方可积?
1
我不明白:您从一开始就没有注意到
—
ub
有一个方差,然后问他们平均值的方差是否可以合理地估计那个不存在的方差!还是我误解了这个问题:也许通过“统计独立估计”,您对积分有一些不同的(也许是健壮的)估计量?
我没说 没有方差,只是我不能通过以下方式为其定义方差。所以,问题是我是否能定义一个错误可言,如果是一个合理的候选人。在统计上独立,我的意思是使用不同的随机数,例如通过使用不同种子的随机数生成器(我希望那是正确的术语)来获得。
—
cschwan 2013年
请解释一下您无法通过“定义方差 ”。使用方差和 。
—
Whuber
好吧,这个函数不是平方可积的,所以,如果我没记错的话, 应该发散。在这种情况下,首先毫无意义,对吧?但是,借助中心极限定理,仍会收敛到积分的真实值,但没有错误,仅此值是没有意义的(此结果有多“好”?)。
—
cschwan 2013年
抱歉,我的意思是说“大数定律”,而不是CLT。
—
cschwan 2013年