分散減少法

分散減少法とは、モンテカルロ推定量における標本分散を低減させる手法であり、これにより、所望の精度を達成するために必要なシミュレーション抽出回数を、ナイーブなサンプリングよりも少なくすることが可能となります。

Definition

分散減少法とは、モンテカルロサンプリングスキームまたは推定量を修正し、結果として得られる推定量の分散を減少させつつ、同じ目標量に対して不偏性または一致性を維持する手法です。

Scope

本トピックでは、主要な古典的手法について扱います。具体的には、共通乱数と逆相関乱数、制御変量、分散減少法として捉えられる重点サンプリング、層化サンプリングとラテン超方格サンプリング、そして条件付け（Rao-Blackwell化）です。推定量分散の不偏な減少と、各手法が有効である条件に重点を置いています。

Core questions

• 逆相関乱数と共通乱数は、どのように相関を利用して分散を相殺するのでしょうか？
• 制御変量は、既知の平均を持つ相関する量を用いて、どのように推定量を調整するのでしょうか？
• 重点サンプリングによるサンプルの重み付けが分散を減少させることができるのはなぜですか、また、それが裏目に出るのはどのような場合ですか？
• 層化と条件付けはどのように分散を減少させるのでしょうか、また、それらのコストは何ですか？

Key concepts

• 逆相関変量
• 制御変量
• 共通乱数
• 層化サンプリング
• Rao-Blackwell化
• 有効サンプルサイズ

Key theories

相関に基づく減少

逆相関変量は、ペアになった抽出間に負の相関を誘発し、制御変量は、既知の期待値を持つ相関する量を差し引きます。どちらも、利用される相関の強さに比例して分散を減少させます。

重み付けと層化

重点サンプリングは、測度変換を通じてシミュレーションの努力を影響力の大きい領域にシフトさせ、層化サンプリングとラテン超方格設計は、入力空間全体に抽出を均等に分散させます。それぞれ、被積分関数に適合させると、分散を大幅に削減することができます。

Clinical relevance

分散減少法は、大規模なシミュレーション研究、稀事象推定、および高価なベイズ計算を実用的なものにします。特定の精度に必要な抽出回数を削減することで計算時間を短縮し、共通乱数のような手法は、競合するシステムや推定量間の比較をより明確にします。

History

古典的な分散減少法のツールキット（逆相関変量、制御変量、重点サンプリング、層化）は、20世紀半ばに最初のモンテカルロ大規模応用と並行して開発され、後に統計シミュレーションの文献において、Rao-Blackwell化のような条件付けの概念と統合されました。

Key figures

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

Seminal works

• robert2004
• givens2013

Frequently asked questions

分散減少法は、推定される量を変更しますか？

いいえ。適切に適用された場合、それらは同じ期待値を目標とし、不偏または一致性を維持します。それらは、推定量が真の値の周りでより少なく変動するように、ランダム性がどのように導入されるかを再配置するだけです。

分散減少法が状況を悪化させることはありますか？

はい。被積分関数と弱く相関する制御変量や、目標と一致しない重点密度は、分散を増加させる可能性があります。その恩恵は、手法を問題の構造に適合させるかどうかに依存します。