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.
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