विचरण न्यूनीकरण तकनीकें

विचरण न्यूनीकरण तकनीकें ऐसे उपकरण हैं जो मोंटे कार्लो अनुमानक के प्रतिचयन विचरण को कम करती हैं, ताकि लक्षित सटीकता को भोले प्रतिचयन की तुलना में कम अनुकरणीय ड्रॉ के साथ प्राप्त किया जा सके।

Definition

एक विचरण न्यूनीकरण तकनीक मोंटे कार्लो प्रतिचयन योजना या अनुमानक का एक संशोधन है जो परिणामी अनुमान के विचरण को कम करती है जबकि इसे उसी लक्षित मात्रा के लिए निष्पक्ष या सुसंगत रखती है।

Scope

यह विषय प्रमुख शास्त्रीय योजनाओं को शामिल करता है: सामान्य और प्रतिध्रुवी यादृच्छिक संख्याएँ, नियंत्रण विचरण, विचरण-न्यूनीकरण उपकरण के रूप में देखा गया महत्व प्रतिचयन, स्तरीकृत और लैटिन हाइपरक्यूब प्रतिचयन, और कंडीशनिंग (राव-ब्लैकवेलिज़ेशन)। जोर अनुमानक विचरण के पूर्वाग्रह-मुक्त न्यूनीकरण और उन स्थितियों पर है जिनके तहत प्रत्येक योजना सहायक होती है।

Core questions

• प्रतिध्रुवी और सामान्य यादृच्छिक संख्याएँ विचरण को रद्द करने के लिए सहसंबंध का उपयोग कैसे करती हैं?
• एक नियंत्रण विचरण ज्ञात माध्य के साथ एक सहसंबंधित मात्रा का उपयोग करके एक अनुमानक को कैसे समायोजित करता है?
• महत्व प्रतिचयन के माध्यम से नमूनों को पुनर्व्यवस्थित करने से विचरण क्यों कम हो सकता है, और यह कब उल्टा पड़ सकता है?
• स्तरीकरण और कंडीशनिंग विचरण को कैसे कम करते हैं, और उनकी लागत क्या है?

Key concepts

• प्रतिध्रुवी विचरण
• नियंत्रण विचरण
• सामान्य यादृच्छिक संख्याएँ
• स्तरीकृत प्रतिचयन
• राव-ब्लैकवेलिज़ेशन
• प्रभावी नमूना आकार

Key theories

सहसंबंध-आधारित न्यूनीकरण

प्रतिध्रुवी विचरण युग्मित ड्रॉ के बीच नकारात्मक सहसंबंध उत्पन्न करते हैं, और नियंत्रण विचरण ज्ञात अपेक्षा के साथ एक सहसंबंधित मात्रा को घटाते हैं; दोनों शोषित सहसंबंध की शक्ति के अनुपात में विचरण को कम करते हैं।

पुनर्व्यवस्थापन और स्तरीकरण

महत्व प्रतिचयन माप के परिवर्तन के माध्यम से प्रभावशाली क्षेत्रों की ओर सिमुलेशन प्रयास को स्थानांतरित करता है, जबकि स्तरीकृत और लैटिन हाइपरक्यूब डिज़ाइन इनपुट स्थान में ड्रॉ को समान रूप से फैलाते हैं; प्रत्येक को इंटीग्रैंड से मेल खाने पर विचरण में तेजी से कटौती कर सकता है।

Clinical relevance

विचरण न्यूनीकरण ही है जो बड़े सिमुलेशन अध्ययनों, दुर्लभ-घटना अनुमान और महंगी बायेसियन गणनाओं को संभव बनाता है: यह एक निश्चित परिशुद्धता के लिए आवश्यक ड्रॉ की संख्या को कम करके कंप्यूटिंग समय को कम करता है, और सामान्य यादृच्छिक संख्याओं जैसी तकनीकें प्रतिस्पर्धी प्रणालियों या अनुमानकों के बीच तुलना को तेज करती हैं।

History

शास्त्रीय विचरण-न्यूनीकरण टूलकिट (प्रतिध्रुवी विचरण, नियंत्रण विचरण, महत्व प्रतिचयन, स्तरीकरण) को बीसवीं सदी के मध्य में पहले बड़े पैमाने पर मोंटे कार्लो अनुप्रयोगों के साथ विकसित किया गया था, और बाद में इसे सांख्यिकीय सिमुलेशन साहित्य के भीतर राव-ब्लैकवेलिज़ेशन जैसे कंडीशनिंग विचारों के साथ एकीकृत किया गया था।

Key figures

• Christian P. Robert
• George Casella
• John M. Hammersley

Seminal works

• robert2004
• givens2013

Frequently asked questions

क्या विचरण न्यूनीकरण तकनीकें अनुमानित की जा रही मात्रा को बदलती हैं?

नहीं। ठीक से लागू होने पर, वे उसी अपेक्षा को लक्षित करते हैं और निष्पक्ष या सुसंगत रहते हैं; वे केवल यह पुनर्व्यवस्थित करते हैं कि यादृच्छिकता कैसे प्रवेश करती है ताकि अनुमानक वास्तविक मूल्य के आसपास कम उतार-चढ़ाव करे।

क्या विचरण न्यूनीकरण तकनीक कभी चीजों को बदतर बना सकती है?

हाँ। इंटीग्रैंड के साथ कमजोर रूप से सहसंबंधित एक नियंत्रण विचरण, या लक्ष्य से बेमेल एक महत्व घनत्व, विचरण को बढ़ा सकता है। लाभ तकनीक को समस्या की संरचना से मिलाने पर निर्भर करता है।