Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > math > arXiv:2510.13504

帮助 | 高级搜索

数学 > 统计理论

arXiv:2510.13504 (math)
[提交于 2025年10月15日 ]

标题: 方差减少均值比率估计器的控制变量

标题: Control variates for variance-reduced ratio of means estimators

Authors:Louison Bocquet-Nouaille, Jérôme Morio, Benjamin Bobbia
摘要: 控制变量方法是一种经典的方差减少技术,用于蒙特卡罗估计器,它利用相关的辅助变量而不引入偏差。在许多应用中,感兴趣的量可以表示为期望值的比率。我们提出了一种针对此类比率的方差减少估计器,该估计器将控制变量应用于分子和分母。控制变量系数是联合优化的,以最小化结果估计器的方差。这种方法理论上保证了方差减少,并自然扩展到近似控制变量。模拟研究显示了显著的方差减少,特别是在变量与控制变量之间的相关性较强时。该方法的实际价值通过一个多保真度飞机设计的应用案例进行了说明。
摘要: The control variates method is a classical variance reduction technique for Monte Carlo estimators that exploits correlated auxiliary variables without introducing bias. In many applications, the quantity of interest can be expressed as a ratio of expectations. We propose a variance-reduced estimator for such ratios, which applies control variates to both the numerator and the denominator. The control variate coefficients are optimized jointly to minimize the variance of the resulting estimator. This approach theoretically guarantees variance reduction and naturally extends to approximate control variates. Simulation studies show significant variance reduction, particularly when correlations between variables and control variates are strong. The practical value of the method is illustrated with a multi-fidelity aircraft design use case.
主题: 统计理论 (math.ST)
引用方式: arXiv:2510.13504 [math.ST]
  (或者 arXiv:2510.13504v1 [math.ST] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.13504
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Louison Bocquet-Nouaille [查看电子邮件]
[v1] 星期三, 2025 年 10 月 15 日 12:54:47 UTC (727 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
math.ST
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
math
stat
stat.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号