몬테카를로 적분

몬테카를로 적분은 무작위 표본 지점에서의 피적분 함수의 평균으로 정적분을 추정하며, 적분을 기댓값 추정으로 재구성합니다.

Definition

몬테카를로 적분은 적분을 표본 추출 분포 하의 함수의 기댓값으로 작성하고, 해당 분포에서 추출한 표본 평균으로 그 기댓값을 추정함으로써 적분을 근사하는 방법입니다.

Scope

이 주제는 적분을 기댓값으로 표현하는 방법, 단순(기본) 몬테카를로 추정량과 그 불편성, 제곱근-n 수렴 속도 및 차원 독립성, 표본 표준 편차를 통한 오차 추정, 그리고 결정론적 구적법과의 비교를 다룹니다. 분산 감소 개선 사항은 다른 곳에서 다루는 확장으로 취급됩니다.

Core questions

• 임의의 적분은 표본 추출에 적합한 기댓값으로 어떻게 표현됩니까?
• 단순 몬테카를로 추정량은 왜 불편하고 일치적입니까?
• 제곱근-n 오차율을 지배하는 요인은 무엇이며, 왜 차원에 독립적입니까?
• 몬테카를로 적분은 언제 결정론적 구적법보다 우수합니까?

Key concepts

• 단순 몬테카를로 추정량
• 불편성
• 표준 오차
• 차원 독립성
• 표본 추출 밀도

Key theories

기댓값으로서의 적분

적분을 표본 추출 밀도로 나눈 피적분 함수의 기댓값으로 작성하면 적분은 평균 추정으로 바뀌며, 표본 평균은 편향 없이 이를 추정합니다.

수렴 속도 및 오차 추정

중심 극한 정리는 표본 크기의 제곱근에 반비례하는 표준 오차를 제공하며, 이는 적분의 차원에 독립적입니다. 또한, 합산 항의 경험적 표준 편차는 사용 가능한 오차 추정치를 제공합니다.

Clinical relevance

몬테카를로 적분은 통계학 및 물리학 전반에 걸쳐 발생하는 정규화 상수, 사후 기댓값, 주변 가능도 및 고차원 기댓값을 계산합니다. 그 차원 독립적인 오차율 덕분에 그리드 기반 구적법이 비실용적일 때 선택되는 방법입니다.

History

표본 추출을 통해 적분을 추정하는 아이디어는 1940년대 로스앨러모스 계산과 1949년 Metropolis와 Ulam의 논문으로 거슬러 올라갑니다. 컴퓨팅 성능이 향상되고 통계학자들이 고차원에서 구적법에 비해 그 장점을 인식하면서 일상적인 관행이 되었습니다.

Key figures

• Stanislaw Ulam
• Nicholas Metropolis
• Christian P. Robert

Seminal works

• robert2004
• metropolis1949

Frequently asked questions

몬테카를로 적분의 정확도는 어느 정도입니까?

오차는 표본 수의 제곱근에 반비례하여 감소하므로, 표본 크기를 4배로 늘리면 오차가 절반으로 줄어듭니다. 또한, 추정량은 피적분 함수 값의 표본 표준 편차로부터 내장된 오차 추정치를 제공합니다.

표준 구적법보다 몬테카를로를 선호해야 하는 경우는 언제입니까?

저차원 매끄러운 적분의 경우 결정론적 구적법이 일반적으로 더 빠르게 수렴합니다. 몬테카를로는 고차원에서 유리한데, 그리드의 비용이 기하급수적으로 증가하지만 몬테카를로 오차율은 동일하게 유지되기 때문입니다.