モンテカルロ積分

モンテカルロ積分は、確率変数から抽出された標本点における被積分関数の平均として定積分を推定し、積分を期待値の推定として再構築する手法である。

Definition

モンテカルロ積分とは、積分をサンプリング分布の下での関数の期待値として記述し、その期待値を分布からの抽出における標本平均によって推定することで、積分を近似する手法である。

Scope

本トピックでは、積分を期待値として表現する方法、プレーン（粗い）モンテカルロ推定量とその不偏性、ルートn収束率とその次元独立性、標本標準偏差による誤差推定、および決定論的求積法との比較について扱う。分散減少法による改良は、別途扱われる拡張として扱われる。

Core questions

• 任意の積分は、サンプリングに適した期待値としてどのように表現されるか？
• 粗いモンテカルロ推定量が不偏かつ一致であるのはなぜか？
• ルートn誤差率を支配するものは何か、またそれが次元に依存しないのはなぜか？
• モンテカルロ積分が決定論的求積法を上回るのはどのような場合か？

Key concepts

• 粗いモンテカルロ推定量
• 不偏性
• 標準誤差
• 次元独立性
• サンプリング密度

Key theories

期待値としての積分

積分を被積分関数をサンプリング密度で割ったものの期待値として記述することで、積分は平均の推定に変換され、標本平均は不偏にそれを推定する。

収束率と誤差推定

中心極限定理は、標本サイズの平方根に反比例する標準誤差を与え、これは積分の次元に依存しない。また、被積分関数の標本標準偏差は、利用可能な誤差推定値を提供する。

Clinical relevance

モンテカルロ積分は、統計学や物理科学の至る所で生じる正規化定数、事後期待値、周辺尤度、高次元の期待値を計算する。その次元に依存しない誤差率は、グリッドベースの求積法が実行不可能になる場合に選択される方法となっている。

History

サンプリングによって積分を推定するというアイデアは、1940年代のロスアラモスでの計算と、メトロポリスとウラムによる1949年の論文に遡る。計算能力の向上と、統計学者が高次元における求積法に対するその利点を認識するにつれて、一般的な手法となった。

Key figures

• Stanislaw Ulam
• Nicholas Metropolis
• Christian P. Robert

Seminal works

• robert2004
• metropolis1949

Frequently asked questions

モンテカルロ積分の精度はどの程度ですか？

その誤差は標本数の平方根に反比例して減少するため、標本数を4倍にすると誤差は半分になります。また、この推定量には、被積分関数の値の標本標準偏差から得られる組み込みの誤差推定値が付属しています。

標準的な求積法よりもモンテカルロ法を優先すべきなのはどのような場合ですか？

低次元の滑らかな積分の場合、決定論的求積法の方が通常は速く収束します。モンテカルロ法は高次元で優れており、グリッドのコストが指数関数的に増加するのに対し、モンテカルロ法の誤差率は同じままです。