×
阮广辉;Christian Y·罗伯特。

重尾罕见事件模拟中新的有效估计量。 （英语） Zbl 1418.62219号

J.计算。申请。数学。 261, 39-47 (2014).
摘要：本文研究了在（S）较大且（S_n）是（n）i.i.d.重尾随机变量（X_1，dots，X_n）之和的情况下（mathbb{P}（S_n>S）的有效模拟。罕见事件模拟文献中介绍的最有效和最简单的估值器是由S.阿斯穆森和D.P.克罗斯【高级申请Probab.38，No.2，545–558（2006；Zbl 1097.65017号)]和S.阿斯穆森和D.科察克【in：2012年冬季模拟会议；另见Methodol.Compute.Appl.Probab.17，No.2，441-461（2015；Zbl 1347.60029号)]. 尽管面对罕见事件问题的主要技术是重要性抽样和分裂，但Asmussen、Kortschak和Kroese的估计量将可交换性参数与条件蒙特卡罗相结合，构造了相对误差为0的估计量。本文将（mathbb{P}（S_n>S））分解为S.朱内加[排队系统57，第2–3号，115–127（2007；Zbl 1145.90355号)]因为（mathbb{P}（M_n>s））是已知的闭合形式，并且渐近等价于。我们通过再次分裂（mathbb{P}（S_n>S，M_n<S）），然后使用与[Asmussen和Kroese，loc.cit.]中相同类型的可靠方法，构造了新的有效估计。我们证明了这些新的估计比Asmussen、Kortschak和Kroese的估计具有更小的相对误差。数值研究的结论是，我们的估计值与以前的估计值相比非常有利。

引用于4文件

MSC公司：

62G32型 极值统计；尾部推断
60J22型 马尔可夫链中的计算方法

关键词：

Asmussen和Kroese估计;有效估计量;重尾分布;罕见事件模拟

引文：

Zbl 1097.65017号;Zbl 1347.60029号;Zbl 1145.90355号
PDF格式BibTeX公司 XML格式引用
\textit｛Q.H.Nguyen｝和\textit｛C.Y.Robert｝，J.Comput。申请。数学。261、39-47（2014；Zbl 1418.62219）
全文： 内政部

参考文献：

[1] 程，C.T。；Chau，K.W。；Sun，Y.G。；Lin，J.，使用人工神经网络模型对漫湾水库流量进行长期预测，计算机科学讲义，34981040-1045（2005）·Zbl 1084.68579号
[2] Chau，K.W.，基于PSO的神经网络在建筑索赔结果分析中的应用，建筑自动化，16，5，642-646（2007）
[3] 黄，Z.K。；Chau，K.W.，基于高斯混合模型的新图像阈值方法，应用数学与计算，205，2，899-907（2008）·Zbl 1152.68681号
[4] Wu，C.L。；Chau，K.W。；Li，Y.S.，使用数据驱动模型结合数据预处理技术预测月径流，水资源研究，45，W08432（2009）
[5] 张杰。；Chau，K.W.，通过新型多亚温粒子群优化进行多层集成修剪，《通用计算机科学杂志》，15，4，840-858（2009）
[6] 陶尔米纳，R。；Chau，K.W。；Sethi，R.，威尼斯泻湖沿岸含水层系统每小时地下水位的人工神经网络模拟，人工智能的工程应用，25，8，1670-1676（2012）
[7] Asmussen，S。；Glynn，P.W.，（《随机模拟：算法与分析》，《随机模拟-算法与分析，随机建模与应用概率》，第57卷（2007），Springer:Springer New York）·Zbl 1126.65001号
[8] Asmussen，S。；Binswanger，K.，亚指数索赔破产概率的模拟，阿斯汀公报，27297-318（1997）
[9] Asmussen，S。；Binswanger，K。；Höjgaard，B.，重尾分布的罕见事件模拟，伯努利，6303-322（2000）·Zbl 0958.65010号
[10] 南卡罗来纳州朱奈嘉。；Shahabuddin，P.，使用延迟风险率扭曲模拟重尾过程，ACM建模与计算机模拟汇刊（TOMACS），12，94-118（2002）·Zbl 1390.65033号
[11] Asmussen，S。；Kroese，D.P.，《重尾罕见事件模拟的改进算法》，应用概率进展，38，545-558（2006）·Zbl 1097.65017号
[12] Hartinger，J。；Kortschak，D.，关于Asmussen-Kroese估计的效率及其在无阻变换中的应用，德国Gesellschaft für Versicherungs-und Finanzmathematik（DGVFM），30，363-377（2009）·Zbl 1182.91092号
[14] 加玛米，S。；Ross，S.M.，《改进Asmussen-Kroese型模拟估计器》，《应用概率杂志》，4911188-1193（2012）·Zbl 1255.91426号
[15] Dupuis，P。；莱德，K。；Wang，H.，具有减速的串联网络的大偏差和重要性抽样，排队系统，57，71-83（2007）·Zbl 1144.90346号
[16] Hult，H。；Svensson，J.，《关于重尾随机游动的混合重要性抽样》，《ACM建模与计算机模拟汇刊》，22，2（2012），第8条·Zbl 1386.65029号
[18] Juneja，S.，估计具有渐近零相对误差的重尾分布的尾部概率，排队系统，57115-127（2007）·Zbl 1145.90355号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。