不过,请注意倾斜其他参数作者:文章短标题文章提交给;手稿编号(请提供手稿编号!)17α(即α→α + θ*) 在某些情况下,在方差折减因子方面的性能是单参数指数倾斜的2到3倍。这是由于约束-θ<α,η<β。例如,考虑只倾斜一个参数的情况,θ或η如下。对于简单事件{X>a},我们可以选择一个参数η,使得0<η<β,或者选择一个参数θ,使得θ>0,以获得倾斜伽马分布的更大平均值。在这种情况下,很容易看出θ-倾斜产生了更大的参数搜索空间,因此获得了比η-倾斜更好的性能。请注意,事件{1/X>a}显示了相反的效果。[X~ γ(α,β)]方差折减系数方差折减系数a原油P(X>a)θ*η*(θ*, η*) P(1/X>a)θ的原油*η*(θ*, η*)10 2.613×10-13 2 3 0.2 2.438×10-12 4 620 1.050×10-246 24 47 0.5 1.864×10-215 41 4530 1.800×10-41,288 567 1,307 1.5 3.100×10-4294 1,321 1,74435 3.000×10-511,788 4,788 12,226 2.5 6.000×10-52156 11904 11939表3伽马分布的有效指数重要性抽样备注3。从上述示例中观察到,所提出的有效指数倾斜在两个方面的方差减少方面取得了改进。首先,在某些情况下,通过我们高效的指数倾斜算法同时对多个参数进行倾斜,大大提高了方差缩减性能;例如,在模拟简单中等偏差罕见事件的情况下,对于正态分布,虽然单独更改σ或ρ可能不会在方差减少方面提供很大帮助,但将其与u一起更改可以实现比传统均值漂移单参数倾斜法更好的3到4倍的性能。
|