Ficha de uso
Introducción
Calcular una esperanza con muestras
Muchas cantidades se pueden escribir como una esperanza: una integral, una probabilidad (la esperanza de una indicatriz 1{X ∈ A}), la tasa de error de un receptor o la potencia de una señal. El método de Monte Carlo genera N muestras independientes X_i de la distribución y aproxima
E{h(X)} ≈ μ̂_N = (1/N) Σ_i h(X_i).
La estimación es insesgada, E{μ̂_N} = E{h(X)}, y su varianza es σ²/N, con σ² = Var{h(X)}: el error típico es σ/√N. Por el teorema del límite central, μ̂_N es casi gaussiana, y el valor verdadero cae en μ̂_N ± 2σ/√N el 95 % de las veces. σ también se estima con las muestras.
Lento pero robusto
El error baja como 1/√N, sea cual sea la dimensión del problema: para ganar una cifra decimal hay que multiplicar N por 100. En una dimensión, una regla de cuadratura es mucho mejor; en muchas dimensiones (integrales sobre el estado de un sistema, la trayectoria de un fotón, el ruido de un canal), Monte Carlo suele ser lo único viable.
Sucesos raros y muestreo de importancia
Para estimar una probabilidad pequeña p, el error relativo es √(p(1 − p)/N)/p ≈ 1/√(Np): hacen falta muchas muestras por cada suceso observado. El muestreo de importancia genera las muestras de otra densidad g que ponga más probabilidad en la zona que interesa, y corrige con el peso f/g:
E_f{h(X)} = E_g{h(Y) f(Y)/g(Y)}.
Si g se parece a h f, la varianza puede bajar en órdenes de magnitud.
Guía de uso
- Qué se estima:
- π, con la fracción de puntos uniformes del cuadrado unidad que caen en el cuarto de círculo (multiplicada por 4).
- E{cos X} con X ~ N(0, 1), que vale e−1/2 = 0,6065.
- ∫₀¹ e−x² dx = 0,746824, como la media de e−X² con X ~ U[0, 1].
- P(X > 3) = 0,00135 con X ~ N(0, 1), contando las muestras de la cola.
- La misma probabilidad con muestreo de importancia: Y ~ N(3, 1) y el peso φ(y)/φ(y − 3) = e4,5 − 3y.
- N y la realización.
- A la izquierda, las primeras 2000 muestras (en rojo las que cuentan, en los casos de indicatriz). En el centro, la estimación con las n primeras muestras, la franja ±2σ̂/√n y el valor exacto. Abajo, el error de cinco realizaciones en escala doble logarítmica frente a σ/√n.
- El recuadro da el valor exacto, la estimación, el error y el error típico.
Ejercicios
1. Estimar π. Con N = 10 000, ¿qué estimación sale y cuál es el error típico? ¿Cuántas muestras harían falta para acertar la tercera cifra decimal con un 95 % de probabilidad?
Solución
Sale 3,1296, con error típico 0,0164: h vale 4 con probabilidad π/4 y 0 si no, así que σ = 4√(π/4 (1 − π/4)) = 1,64. Para que 1,96σ/√N ≤ 0,001 hacen falta N ≥ 1,04 · 107 muestras. Con N = 100 000 sale 3,1380, a 0,7 errores típicos. Es el ejercicio 5 de la hoja con otra σ.
2. La pendiente del error. Mira la gráfica de abajo para cualquiera de los problemas. ¿Qué pendiente tiene la recta σ/√n en escala doble logarítmica? ¿Siguen esa recta las cinco realizaciones?
Solución
Pendiente −1/2: una década en n baja el error media década, un factor √10 ≈ 3,2. Las realizaciones oscilan alrededor de la recta, a veces por encima y a veces muy por debajo (cuando la estimación cruza el valor exacto), pero siguen la misma tendencia. El error de una realización concreta es aleatorio; lo que baja como 1/√n es su tamaño típico.
3. Una integral. Para ∫₀¹ e−x² dx, ¿cuál es σ? Compara el error relativo típico con N = 10 000 con el de la regla del trapecio con 10 000 puntos.
Solución
σ² = E{e−2X²} − I² = 0,5981 − 0,5577 = 0,0404, σ = 0,201, y el error típico con N = 10 000 es 0,002 (el 0,27 %). El trapecio con 10 000 puntos tiene un error del orden de h²/12 · |f″| ≈ 10−9. En una dimensión Monte Carlo no compite; su ventaja aparece en integrales de muchas variables, donde una rejilla necesitaría un número de puntos exponencial en la dimensión.
4. Un suceso raro. Estima P(X > 3) con N = 10 000 y N = 100 000. ¿Qué error relativo típico tiene cada estimación? ¿Cuántas muestras harían falta para un 1 %?
Solución
Solo una muestra de cada 741 cae en la cola: con 10 000 se cuentan unas 13 y el error relativo típico es del 27 %; con 100 000, del 8,6 %. Para un 1 % hace falta (1/0,01)²/p ≈ 7,4 · 106 muestras. Así se estiman las tasas de error de bit de un sistema de comunicaciones (10−6 o menos) y por eso se necesitan otros métodos.
5. Muestreo de importancia. Repite con el muestreo de importancia y N = 10 000. ¿Qué error relativo se obtiene? ¿Por cuánto se divide la varianza? ¿Por qué se elige N(3, 1)?
Solución
El 1,8 %, mejor que el 8,6 % con 100 000 muestras normales. La varianza baja unas 218 veces: para el 1 % bastan unas 34 000 muestras en lugar de 7,4 millones. N(3, 1) pone la mitad de las muestras en la cola, y el peso e4,5 − 3y, pequeño allí, compensa que se hayan generado con demasiada frecuencia. Una g mal elegida (por ejemplo, centrada en 6) daría pesos muy desiguales y una varianza mayor.
Para profundizar
- Apuntes del Tema 6, sección 1, «Muestreo de variables aleatorias» y «Análisis de muestras».
- Transparencias T6-01, generación de muestras y Monte Carlo.
- Hoja de ejercicios del Tema 6, ejercicio 5, y sus soluciones.
- C. P. Robert y G. Casella, Monte Carlo Statistical Methods, 2.ª ed., Springer, 2004, capítulo 3.
- M. C. Jeruchim, P. Balaban y K. S. Shanmugan, Simulation of Communication Systems, 2.ª ed., Kluwer, 2000, capítulo 11 (sucesos raros y muestreo de importancia).
Relación con otros conceptos