帕累托平滑重要性抽样
阿基·维塔里、丹尼尔·辛普森、安德鲁·盖尔曼、姚玉玲、乔纳·加布里; 25(72):1−58, 2024.
摘要
重要性加权是调整蒙特卡罗积分以说明从错误分布中提取的资金的一种通用方法,但当重要性比率具有严重的右尾时,所得到的估计值可能会有很大的变化。当目标分布的某些方面没有被近似分布很好地捕获时,通常会发生这种情况,在这种情况下,可以通过修改极端重要性比率来获得更稳定的估计。我们提出了一种新的稳定重要性权重的方法,该方法使用适合于模拟重要性比分布上端的广义Pareto分布。该方法在稳定重要性抽样估计方面的经验表现优于现有方法,包括稳定的有效样本量估计、蒙特卡罗误差估计和收敛诊断。所提出的Pareto$\hat{k}$有限样本收敛速度诊断对于任何Monte Carlo估计都是有用的。
[腹肌]
[pdf格式][围兜] [代码]