8.4.1. Konfidenzintervalle für die Monte-Carlo-Integration.
8.4.1. Konfidenzintervalle für die Monte-Carlo-Integration.
8.4.1. Konfidenzintervalle für die Monte-Carlo-Integration.
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>8.4.1.</strong> <strong>Konfidenzintervalle</strong> <strong>für</strong> <strong>die</strong> <strong>Monte</strong>-<strong>Carlo</strong>-<strong>Integration</strong>. In <strong>die</strong>sem Abschnitt<br />
wird <strong>die</strong> Approximationsgenauigkeit des in Abschnitt 6.2 vorgestellten <strong>Monte</strong>-<strong>Carlo</strong>-Verfahrens<br />
zur numerischen <strong>Integration</strong> untersucht 1 .<br />
Sei h : [0, 1] → R eine meßbare, beschränkte Funktion und X n , n ∈ N, eine<br />
Folge unabhängiger, in [0, 1] gleichverteilter Zufallsvariablen. Dann sind auch <strong>die</strong><br />
Zufallsvariablen h(X n ), n ∈ N, unabhängig und identisch verteilt mit 2<br />
E[h(X 1 )] =<br />
Var(h(X 1 )) =<br />
∫ 1<br />
0<br />
∫ 1<br />
0<br />
dx h(x) = µ(h), (18)<br />
(∫ 1 2<br />
dx h(x) 2 − dx h(x))<br />
= σ 2 (h) ≤ 3 ‖h‖ 2 ∞ .<br />
0<br />
Aufgrund des Gesetzes der großen Zahlen ist es sinnvoll, <strong>die</strong> Schätzer 4 5<br />
̂µ N (h) := 1 N<br />
N∑<br />
h(X n ), N ∈ N,<br />
n=1<br />
<strong>für</strong> ∫ t<br />
0<br />
dx h(x) zu verwenden. Bei der Bestimmung eines Konfidenzintervalls zum<br />
Irrtumsniveau s ∈ (0, 1) <strong>für</strong> µ(h) können <strong>die</strong> Überlegungen aus Abschnitt 8.4 nicht<br />
direkt angewandt werden, da neben µ(h) auch σ 2 (h) als unbekannt zu betrachten<br />
ist 6 . Andererseits ist <strong>für</strong> σ 2 (h) <strong>die</strong> obere Schranke ‖h‖ 2 ∞ bekannt 7 . Es gilt somit 8 9 :<br />
[<br />
]<br />
P µ(h) ≤ ̂µ N (h) − U(s) ‖h‖ ∞<br />
√ oder µ(h) ≥ ̂µ N (h) + U(s) ‖h‖ ∞<br />
√ (19)<br />
N<br />
N<br />
[<br />
(<br />
= P ̂µ N (h) − µ(h) /∈ −U(s) ‖h‖ ∞<br />
√ , U(s) ‖h‖ ) ]<br />
∞<br />
√<br />
N N<br />
[<br />
( √ √ ) ]<br />
≤ 10 σ2 (h)<br />
P ̂µ N (h) − µ(h) /∈ −U(s)<br />
N , U(s) σ2 (h)<br />
N<br />
[√<br />
]<br />
N<br />
= P<br />
σ 2 (h) (̂µ N(h) − µ(h)) /∈ (−U(s), U(s))<br />
N→∞<br />
∼ 11 1 − 1 √<br />
2π<br />
∫ U(s)<br />
−U(s)<br />
dx exp(−x 2 /2) = 12 s.<br />
1 In Abschnitt 6.2 wurde mit Hilfe des schwachen Gesetzes der großen Zahlen nachgewiesen,<br />
daß<br />
1<br />
NX<br />
Z 1<br />
h(X k ) →<br />
P dx h(x) bei N → ∞, (∗)<br />
N<br />
k=1<br />
0<br />
falls h : [0,1] → R eine meßbare, beschränkte Funktion und X n, n ∈ N, eine Folge unabhängiger,<br />
in [0, 1] gleichverteilter Zufallsvariablen ist.<br />
Im folgenden wird als Anwendung der Überlegungen in Abschnitt 8.4, d.h., durch Angabe<br />
von <strong>Konfidenzintervalle</strong>n, <strong>die</strong> mit Hilfe des Zentralen Grenzwertsatzes bestimmt werden, <strong>die</strong> Geschwindigkeit<br />
der Konvergenz in (∗) durch C/ √ N abgeschätzt.<br />
2 Vgl. Abschnitt 6.2. Dort wird (18) begründet.<br />
3 ‖h‖∞ = sup x∈[0,1] |h(x)|.<br />
4 Vgl. Abschnitt 6.2.<br />
5 Auch <strong>die</strong> Überlegungen in Abschnitt 5.9.1 über erwartungstreue Schätzung von Erwartungswerten<br />
legen <strong>die</strong> Verwendung der Schätzer bµ N (h), N ∈ N, nahe.<br />
6<br />
R Wenn µ(h) = 1<br />
dx h(x) nicht direkt berechnet werden kann, so kann offensichtlich auch<br />
0<br />
σ 2 (h) = R 1<br />
0 dx h(x)2 − `R 1<br />
0 dx h(x)´2 nicht exakt bestimmt werden.<br />
7 Vgl. (18).<br />
8 Für s ∈ (0, 1) ist U(s) durch (2π) −1/2 R U(s)<br />
−U(s) dx exp(−x2 /2) = 1 − s bestimmt, vgl. (16).<br />
9 In (19) bezeichnet P das Wahrscheinlichkeitsmaß auf dem Wahrscheinlichkeitsraum, auf welchem<br />
<strong>die</strong> Zufallsvariablen X n, n ∈ N, definiert sind.<br />
1
2<br />
Für N → ∞ kann daher<br />
C N (̂µ N (h)) =<br />
[<br />
̂µ N (h) − U(s) ‖h‖ ∞<br />
√ , ̂µ N (h) + U(s) ‖h‖ ]<br />
∞<br />
√<br />
N N<br />
als Konfidenzintervall zum Irrtumsniveau s <strong>für</strong> µ(h) gewählt werden 13 .<br />
Bemerkungen. (i) Es deutet sich an, daß das <strong>Monte</strong>-<strong>Carlo</strong>-Verfahren zur numerischen<br />
<strong>Integration</strong> eine recht langsame Konvergenzgeschwindigkeit besitzt, da der<br />
Approximationsfehler sich wie ‖h‖ ∞ / √ N verhält 14 . Im Gegensatz dazu ist bei anderen<br />
”<br />
klassischen“ numerischen <strong>Integration</strong>sverfahren der Approximationsfehler<br />
≃ ‖h (m) ‖ ∞ N −k <strong>für</strong> geeignete m = 1, 2, . . . und k ≥ 1. Solche Verfahren konvergieren<br />
schnell <strong>für</strong> glatte Integranden h, sind aber ungeeignet, wenn h irregulär wird.<br />
(ii) Um bessere, d.h., kleinere <strong>Konfidenzintervalle</strong> zu erhalten, kann auch <strong>die</strong> unbekannte<br />
Varianz σ 2 (h) geschätzt werden 15 .<br />
10 Da σ 2 (h) ≤ ‖h‖ 2 ∞, vgl. (18), und wegen der Monotonie von P.<br />
11 Aufgrund des Zentralen Grenzwertsatzes <strong>für</strong> <strong>die</strong> Zufallsvariablen h(X n), n ∈ N, vgl. dazu<br />
Abschnitt 8.4.<br />
12 Wegen (16).<br />
13 Dieses Konfidenzintervall ist asymptotisch bei N → ∞ evtl. größer als notwendig, weil in<br />
der dritten Zeile von (19) “ nicht auszuschließen ist.<br />
14 ” Um den Approximationsfehler zu halbieren, muß der Stichprobenumfang N quadriert<br />
werden.<br />
15 Ein erwartungstreuer Schätzer <strong>für</strong> σ 2 (h) wurde in Abschnitt 5.9.1 vorgestellt.<br />
31. Januar 2008