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

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

Relación con otros conceptos