]《蒙特卡罗模拟Monte Carlo》专题经典文集 - 计量经济学与统计软件

1关注
0粉丝

本科生

30%

还不是VIP/贵宾

-

0%

威望: 0 级
论坛币: 827 个
通用积分: 0.1205
学术水平: 1 点
热心指数: 1 点
信用等级: 1 点
经验: 1067 点
帖子: 75
精华: 0
在线时间: 66 小时
注册时间: 2007-12-6
最后登录: 2022-3-1

楼主

stock_007 发表于 2009-3-8 12:36:00 |只看作者 |坛友微信交流群|倒序 |AI写论文

相似文件

换一批

是否 +2 论坛币

k人参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

A Monte Carlo Comparison of Semiparametric Tobit Estimators

Choon-Geol Moon

Journal of Applied Econometrics, Vol. 4, No. 4. (Oct. - Dec., 1989), pp. 361-382.

Markov Chain Monte Carlo Simulation Methods in Econometrics

Siddhartha Chib; Edward Greenberg

Econometric Theory, Vol. 12, No. 3. (Aug., 1996), pp. 409-431.

A Monte Carlo Study of Alternative Simultaneous Equation Estimators

A. L. Nagar

Econometrica, Vol. 28, No. 3. (Jul., 1960), pp. 573-590.

Bayesian Inference in Econometric Models Using Monte Carlo Integration

John Geweke

Econometrica, Vol. 57, No. 6. (Nov., 1989), pp. 1317-1339.

A Monte Carlo Study of the Forecasting Performance of Empirical Setar Models

Michael P. Clements; Jeremy Smith

Journal of Applied Econometrics, Vol. 14, No. 2. (Mar. - Apr., 1999), pp. 123-141.

Prediction, Filtering and Smoothing in Non-Linear and Non-Normal Cases Using Monte Carlo
Integration

H. Tanizaki; R. S. Mariano

Journal of Applied Econometrics, Vol. 9, No. 2. (Apr. - Jun., 1994), pp. 163-179.

Pooling under Misspecification: Some Monte Carlo Evidence on the Kmenta and the Error
Components Techniques

Badi H. Baltagi

Econometric Theory, Vol. 2, No. 3. (Dec., 1986), pp. 429-440.

A Monte Carlo Study of Estimates of Simultaneous Linear Structural Equations

Harvey M. Wagner

Econometrica, Vol. 26, No. 1. (Jan., 1958), pp. 117-133.

A Monte Carlo Study of Alternative Estimates of the Cobb-Douglas Production Function

J. Kmenta; M. E. Joseph

Econometrica, Vol. 31, No. 3. (Jul., 1963), pp. 363-385.

Bayesian Estimates of Equation System Parameters: An Application of Integration by Monte
Carlo

T. Kloek; H. K. van Dijk

Econometrica, Vol. 46, No. 1. (Jan., 1978), pp. 1-19.

蒙特卡罗方法（Monte Carlo method），也称统计模拟方法，是二十世纪四十年代中期由於科学技术的发展和电子电脑的发明，而被提出的一种以机率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。蒙特·卡罗方法的名字来源於摩纳哥的一个城市Monte Carlo，该城市以赌博业闻名，而蒙特·卡罗方法正是以机率为基础的方法。

当所求解问题是某种随机事件出现的机率，或者是某个随机变数的期望值时，通过某种「实验」的方法，以这种事件出现的频率估计这一随机事件的机率，或者得到这个随机变数的某些数字特徵，并将其作为问题的解。
有一个例子可以使你比较直观地了解蒙特卡罗方法：假设我们要计算一个不规则图形的面积，那麽图形的不规则程度和分析性计算（比如，积分）的复杂程度是成正比的。蒙特卡罗方法是怎麽计算的呢？假想你有一袋豆子，把豆子均匀地朝这个图形上撒，然後数这个图形之中有多少颗豆子，这个豆子的数目就是图形的面积。当你的豆子越小，撒的越多的时候，结果就越精确。在这里我们要假定豆子都在一个平面上，相互之间没有重叠。在解决实际问题的时候应用蒙特·卡罗方法主要有两部分工作：1.用蒙特·卡罗方法模拟某一过程时，需要产生各种机率分布的随机变数。2.用统计方法把模型的数字特徵估计出来，从而得到实际问题的数值解。

本文来自: 人大经济论坛(http://www.pinggu.org) 详细出处参考：https://bbs.pinggu.org/thread-260102-1-1.html