选择一个模拟技术和样本量
一些商用软件工具可以用来执行蒙特卡罗模拟。这些工具可以独立或作为插件常用电子表格程序。许多软件工具提供一个选项不同的取样方法,包括随机蒙特卡洛模拟和拉丁超立方体抽样(lh)的变化,从而产生“平滑”模型输出分布寻找样本大小只有几百的样本。使用lh的缺点是,你必须决定提前进行了多少次迭代使用。这是因为两个或两个以上的lh模拟不能合并,因为他们将使用重叠的层,导致难以解释的结果。在某些情况下,lh可以产生低估了更高的pdf文档的时候,由于分层方法也可以排除集群非常高或低的值可以发生在随机数据集。总体的建议是使用随机蒙特卡洛模拟作为默认的方法,因为它会给灵活性继续随机模拟越来越大的模拟样本大小分布converges14如果必要,直到模型输出。
14卡伦和弗雷(1999)提供更多的信息对lh的比较和蒙特卡罗模拟法(页207 - 213)。
迭代的数量可以确定通过设置的数量模型运行,先天的,如10000,允许模拟继续,直到达到一组数字,或通过允许意味着达到一个相对稳定点之前终止仿真。例如,在95%置信区间估计的决心在±1%,然后一个充分稳定的结果被发现。这可以通过绘制检查发射的频率估计的情节。这个情节应该合理平稳(见图3.8)。
另一个替代方法是评估当前的精确数量的基于该标准的复制错误的百分位数用于构造置信区间为95%。如果每个百分位的置信区间的范围(2.5和97.5)小于报告精度,然后迭代的数量应该足够的(例如,排放报告值一个小数点后位数和百分位的置信区间是小于0.1,0.005等)。因此,蒙特卡洛百分比估计不太可能改变其他的报告数字模拟与相同数量的迭代。
图3.8示例频率块蒙特卡罗模拟的结果
图3.8示例频率块蒙特卡罗模拟的结果
继续阅读:对比的方法
这篇文章有用吗?