Métodos de división preferencial para simulación

Mostrar todas las versiones(3)

En el area de computación y redes de comunicaciones, se da frecuentemente la necesidad de estimar probabilidades en relación con la eficiencia y confíabilidad. Normalmente se requiere que ellas sean pequeñas. Esta situación incentivó la investigación de métodos de reducción de varianza. Dichos métod...

Descripción completa

Detalles Bibliográficos
Autor principal:	Stier Moses, Nicolás E.
Formato:	Tesis de Grado
Lenguaje:	Español
Publicado:	1998
Acceso en línea:	https://hdl.handle.net/20.500.12110/seminario_nCOM000124_StierMoses
Aporte de:	Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires

id	todo:seminario_nCOM000124_StierMoses
record_format	dspace
spelling	todo:seminario_nCOM000124_StierMoses2023-10-03T16:48:08Z Métodos de división preferencial para simulación Stier Moses, Nicolás E. En el area de computación y redes de comunicaciones, se da frecuentemente la necesidad de estimar probabilidades en relación con la eficiencia y confíabilidad. Normalmente se requiere que ellas sean pequeñas. Esta situación incentivó la investigación de métodos de reducción de varianza. Dichos métodos buscan lograr estimadores eficientes, sin utilizar simulaciones excesivamente caras. El objetivo de este trabajo es el de analizar una clase particular de estos métodos denominada importance splitting. Para el análisis se asignan costos a los estimadores para poder compararlos utilizando dicha medida. Si la eficiencia de algunos de estos métodos cuando la probabilidad a estimar tiende a cero es óptima, el método es denominado asintóticamente óptimo. Aquí buscamos condiciones necesarias y suficientes para los modelos y los parámetros del método que nos aseguren dicha optimalidad. Además analizamos varias alternativas para lograr que el método sea aún más rápido. Para terminar, exploramos diferentes implementaciones y discutimos una implementación real. Incluímos salidas de simulaciones en forma de tablas y gráficos para ilustrar y ejemplificar lo desarrollado durante el trabajo. In the area of computer and communication systems, we are often interested in estimating probabilities that happen to be very low. This has motivated a huge ammount of research into variance reduction methods, that aim to achieve efficient estimations without using very expensive simulations. The subject of this work is to analize one particular subclass of these methods called importance splitting. We assign a cost to estimators and compare them using this measure. If the method works as good as possible when the probability of interest tends to zero we say that it is asymptoticaly optimal. We look for neccesary and sufficient conditions for the models and parameters of the method that assure optimality. We analyze some posibilities for rendering this method faster. Finaly, different implementation schemas are explored and the actual implementation is discussed. We include simulation outputs in the form of tables and plots in order to illustrate and examplify what we developed here. Fil: Stier Moses, Nicolás E.. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. 1998 Tesis de Grado PDF Español info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/seminario_nCOM000124_StierMoses
institution	Universidad de Buenos Aires
institution_str	I-28
repository_str	R-134
collection	Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA)
language	Español
orig_language_str_mv	Español
description	En el area de computación y redes de comunicaciones, se da frecuentemente la necesidad de estimar probabilidades en relación con la eficiencia y confíabilidad. Normalmente se requiere que ellas sean pequeñas. Esta situación incentivó la investigación de métodos de reducción de varianza. Dichos métodos buscan lograr estimadores eficientes, sin utilizar simulaciones excesivamente caras. El objetivo de este trabajo es el de analizar una clase particular de estos métodos denominada importance splitting. Para el análisis se asignan costos a los estimadores para poder compararlos utilizando dicha medida. Si la eficiencia de algunos de estos métodos cuando la probabilidad a estimar tiende a cero es óptima, el método es denominado asintóticamente óptimo. Aquí buscamos condiciones necesarias y suficientes para los modelos y los parámetros del método que nos aseguren dicha optimalidad. Además analizamos varias alternativas para lograr que el método sea aún más rápido. Para terminar, exploramos diferentes implementaciones y discutimos una implementación real. Incluímos salidas de simulaciones en forma de tablas y gráficos para ilustrar y ejemplificar lo desarrollado durante el trabajo.
format	Tesis de Grado
author	Stier Moses, Nicolás E.
spellingShingle	Stier Moses, Nicolás E. Métodos de división preferencial para simulación
author_facet	Stier Moses, Nicolás E.
author_sort	Stier Moses, Nicolás E.
title	Métodos de división preferencial para simulación
title_short	Métodos de división preferencial para simulación
title_full	Métodos de división preferencial para simulación
title_fullStr	Métodos de división preferencial para simulación
title_full_unstemmed	Métodos de división preferencial para simulación
title_sort	métodos de división preferencial para simulación
publishDate	1998
url	https://hdl.handle.net/20.500.12110/seminario_nCOM000124_StierMoses
work_keys_str_mv	AT stiermosesnicolase metodosdedivisionpreferencialparasimulacion
_version_	1807324380199387136

Métodos de división preferencial para simulación

Ejemplares similares