蒙特卡羅(Monte Carlo)方法是一種伴隨著計(jì)算機(jī)水平的迅速發(fā)展而逐漸被人們廣泛應(yīng)用的統(tǒng)計(jì)模擬方法。人們通過科學(xué)合理的統(tǒng)計(jì)建模,把一些傳統(tǒng)方法難以手動(dòng)計(jì)算的問題,如求積分或者一些其他比較復(fù)雜的研究對(duì)象,轉(zhuǎn)化成通過產(chǎn)生隨機(jī)數(shù)或者具有某些特征的數(shù)據(jù)的模擬計(jì)算過程,從而解決我們所面臨的數(shù)學(xué)問題。這種方法在本質(zhì)上簡化了問題,最終得到誤差范圍內(nèi)的近似解。本文首先介紹了蒙特卡羅方法的基本思想以及隨機(jī)抽樣的方差縮減,包括對(duì)偶變量法、控制變量法、重要抽樣法以及分層抽樣法。在此基礎(chǔ)上提出了非均勻分層抽樣以及重要非均勻分層抽樣。在介紹了新方法的具體實(shí)現(xiàn)步驟后,數(shù)值模擬結(jié)果驗(yàn)證了新方法在方差縮減方面的優(yōu)良表現(xiàn)。其次重點(diǎn)研究了馬爾可夫鏈蒙特卡羅(MCMC)方法中馬爾可夫鏈?zhǔn)諗啃员O(jiān)測(cè)的方法,包括Yu-Myklan方法、Gelman-Rubin方法以及Geweke方法。本文對(duì)Yu-Myklan方法和Geweke方法進(jìn)行了改進(jìn)以期望更快監(jiān)測(cè)到馬爾可夫鏈的收斂。在數(shù)值模擬部分,通過對(duì)二維正態(tài)分布的Gibbs樣本以及競爭風(fēng)險(xiǎn)模型參數(shù)后驗(yàn)的混合Gibbs樣本的收斂性檢驗(yàn),對(duì)比分析了原始方法和改進(jìn)方法在收斂性監(jiān)測(cè)上的表...

【文章頁數(shù)】：54 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

．５?０．６?０．７?０．８?０．９?１??Ｘ??圖２．?Ｗ函數(shù)圖??Ｆｉｇ．?２．?Ｐｌｏｔｓ?ｏ

學(xué)位論文?第２章隨具體案例對(duì)經(jīng)典方法和改進(jìn)方法進(jìn)行對(duì)比分析：和非均勻分層抽樣縮減方差的具體表現(xiàn)；案例二分層抽樣和重要非均勻分層抽樣縮減方差的具體、ｅ＿ｘ?＋?５?，、?ｅ￣ｘ－ｈ２０?，、?５（ｅ—尤?＋＝ＹＴ１＾，９２（ｘ）＝?１＋ｘ２＝?ｆ積分。??Ｉ?Ｉ?Ｅ?Ｉ?ｉｉ?ｉ?....

圖４．非均勾分層抽樣中估計(jì)量方差直方圖??Ｆｉｇ．?４．?Ｈｉｓｔｏｇｒａｍｓ?ｏｆ?ｅｓｔｉｍａｔｅｄ?ｖａｒｉａｎｃｅ?ｆｏｒ?ｕｎｅｖｅｎ?ｓｔｒａｔｉｆｉｅｄ?ｓａｍｐｌｉｎｇ??我們可以從表２．?２，圖３和圖４看出：樣本分配方法中，Ｎｅｙｍａｎ分配在均勾??和非均勻分層....

圖４．非均勾分層抽樣中估計(jì)量方差直方圖??Ｆｉｇ．?４．?Ｈｉｓｔｏｇｒａｍｓ?ｏｆ?ｅｓｔｉｍａｔｅｄ?ｖａｒｉａｎｃｅ?ｆｏｒ?ｕｎｅｖｅｎ?ｓｔｒａｔｉｆｉｅｄ?ｓａｍｐｌｉｎｇ??我們可以從表２．?２，圖３和圖４看出：樣本分配方法中，Ｎｅｙｍａｎ分配在均勾??和非均勻分層....

本文編號(hào)：4008234