タグ付けされた質問 「monte-carlo」

結果を計算するために(疑似、準)乱数の繰り返し生成を必要とする方法であるモンテカルロ法に関する質問。

2
シミュレーション実行を管理するための提案?
この質問はcomp-sciのトピックから少し外れるかもしれません。必要な場合は、どこに適合するか提案してください。 問題は、すべてのシミュレーション実行を効率的に管理する方法に関するものです。 たとえば、シミュレーションで、特定の推奨値の範囲で定義する必要がある2つのパラメーターを修正する必要があるとします。 (シミュレーション結果を実験データと比較するなどして)2つのパラメーターのペアによって生成されるより良い結果を見つけるには、各パラメーターに3つの値を定義し、9回の実行を公式化することにより、感度分析を実行できます。 以前は、sedを使用して各実行の入力を変更し、この実行の入力と結果を格納するフォルダーに値とパラメーター名を書き込むことで、各実行にタグを付けていました。しかし、パラメーターの数が増えると、これは非常に非効率的であることがわかりました(たとえば、プロット用のスクリプトでフォルダーの名前にアクセスします)。 その後、フォルダ名として単純な数字を使用し、他のいくつかのスプレッドシートで詳細を保存することにしました。この方法は今のところ問題ありませんが、いくつかの面倒な作業が必要です。また、ランの成長に伴い、数日前にすでに実行されている別のランを実行するなど、ミスを犯すこともよくあります。 これらの実行の管理について何か良いアイデアはありますか?モンテカルロ分析をする人にとってそれは非常に重要だと思いますか? 前もって感謝します!

4
使用する低差異シーケンスをどのようにして知ることができますか?
立方体または最適化に準モンテカルロ法を使用するときはいつでも、ファンデルコープ、ハルトン、ハンマースリー、フォーレ、ニーダーライター、ソボルの名前に関連して、さまざまな低不一致シーケンスから選択できるようです。覚えていない他の名前。計算に最も適切な低不一致シーケンスを選択する方法に関する優れた経験則はありますか?

2
確率変数の関数の偏微分の近似
ましょ伊藤プロセスである D X T = A (X T、T )のD T + B (XはT、T )D W T ここでW Tウィーナー過程です。バツtXtX_tdバツt= a (Xt、t )dt + b (Xt、t )dWtdXt=a(Xt,t)dt+b(Xt,t)dWt dX_t=a(X_t,t)dt + b(X_t,t)dW_t WtWtW_t この方程式の解の数値近似は、ミルスタインによって提案されています。 バツT= Xt+ a (Xt、T )Δ T + B (Xt、T )Δ Wt+ 12b (Xt、t )∂b (Xt、t )∂バツ( Δ W2t- Δのトン)XT=Xt+a(Xt,t)Δt+b(Xt,t)ΔWt+12b(Xt,t)∂b(Xt,t)∂x(ΔWt2−Δt) X_T=X_t+a(X_t,t) …

1
VEGASのリビニングアルゴリズム
私はVEGAS(元の出版物(LKlevinからのプレプリント)と実装ノート)のモンテカルロ統合のリビニングアルゴリズムを理解しようとしています。私が最初に理解したと思うことを説明してから、質問をします。 簡単にするために、区間全体で正である1次元関数があると仮定します。この間隔は、たとえばビンに分けられます。これらのビンは、最初は同じサイズです。ビンサイズは確率密度を定義します、[ 0 、1 ] N Δは、xはIをf(x )f(バツ)f(x)[ 0 、1 ][0、1][0,1]んんnΔのX私Δバツ私\Delta x_i ρ (x )= ⎧⎩⎨⎪⎪⎪⎪⎪⎪0 ≤ X &lt; Δ X1:1nはΔ X1⋮ΔのXn − 1≤ X &lt; Δ Xん:1nはΔ Xん。ρ(バツ)={0≤バツ&lt;Δバツ1:1んΔバツ1⋮Δバツん−1≤バツ&lt;Δバツん:1んΔバツん。\rho(x) = \begin{cases} 0 \le x < \Delta x_1 : \frac{1}{n \Delta x_1} \\ \vdots \\ \Delta x_{n-1} \le x < \Delta …
弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.