Variable antithétique

Les variables antithétiques sont une des techniques de réduction de la variance employées dans la méthode de Monte-Carlo.

Catégories :

Analyse numérique - Algorithme numérique - Probabilités - Physique statistique

Page(s) en rapport avec ce sujet :

méthode des variables antithétiques, méthode des variables de contrôle et ..... recourt aux variables antithétiques. Chaque simulation comporte 100... (source : esg.uqam)
Variables antithétiques. - X = (X1, ..., Xn) un vecteur de variables aléatoires indépendantes. - f et g croissantes en chacun de leurs arguments :... (source : cermics.enpc)
nous discuterons de la méthode des variables antithétiques dans la..... covariance de l'estimateur, la seconde variable antithétique ne apporte aucune... (source : russell.vcharite.univ-mrs)

Les variables antithétiques sont une des techniques de réduction de la variance employées dans la méthode de Monte-Carlo. Il s'agit de tirer partie de certaines symétries d'une distribution et de la Corrélation (statistiques) négative entre deux variables aléatoires.

Principe

On souhaite estimer $θ = E (h (X) )$ . La méthode de Monte-Carlo de base consiste à simuler n variables iid selon la loi de X, disons $X_1, X_2, \cdots, X_n$ , puis à estimer $θ$ par

$\hat \theta = \frac{1}{n} \sum_{i=1}ˆn h(X_i)$ .

On peut avoir une idée de l'erreur commise en construisant un intervalle de confiance ; ce dernier nécessite un estimateur de la variance de l'estimateur $\sigmaˆ2_{\hat \theta}$ .

Supposons qu'on dispose de deux échantillons de taille n ; le premier est noté $X_1, X_2, \cdots, X_n$ et le second $X'_1, X'_2, \cdots, X'_n$ . Pour simplifier les notations, on pose $m 1, m 2$ les estimateurs empiriques de l'espérance de $h (X)$ sur respectivement l'échantillon 1 et 2. C'est à dire, on aura

$m_1 = \frac{h(X_1) + \cdots + h(X_n)}{n}$

$m_2 = \frac{h(X'_1) + \cdots + h(X'_n)}{n}$ .

L'estimateur Monte-Carlo sur l'échantillon complet est simplement

$\hat \theta = \frac{m_1 + m_2}{2}$

et, du point de vue de la variance :

$\sigmaˆ2_{\hat \theta} = \frac{\sigmaˆ2_{m_1} + \sigmaˆ2_{m_2} + 2 \mathrm{Cov}(m_1, m_2)}{4}$ .

Dans le cas iid, la covariance s'annule et $\sigmaˆ2_{m_1}=\sigmaˆ2_{m_2}$ , si bien que $\sigmaˆ2_{\hat \theta} = \sigmaˆ2_{m_1}/2$ : le facteur 2 s'explique car on a doublé la taille de l'échantillon.

La technique de la variable antithétique consiste à choisir l'échantillon 2 semblablement distribué selon la loi de X mais en renonçant à l'indépendance, plus exactement en s'arrangeant pour que $Cov (m 1, m 2) < 0$ . Il faut par conséquent exploiter les éléments de symétrie de la loi de X pour construire le second échantillon à partir du premier, en s'assurant de la négativité de la covariance. Se faisant, la variance sera inférieure à la variance "normale" $\sigmaˆ2_{m_1}/2$ .

A titre d'exemple, si la loi de X est la loi uniforme sur $[0;1]$ , le premier échantillon sera simplement $u_1, \cdots, u_n$ , où pour tout i, $u i$ est tirée selon $U (0;1)$ . On construit le second échantillon $u'_1, \cdots, u'_n$ , en posant pour tout i : $u' i = 1 - u i$ . Si les $u 1$ sont uniformes sur $[0;1]$ , alors il en va de même pour les $u' i$ . Qui plus est , la covariance est négative, ce qui sert à diminuer la variance d'origine.

Un autre exemple concerne la loi normale $N (μ, s)$ . En appliquant la transformation $x' i = 2μ - x i$ , où $x i ˜ N (μ, s)$ , on obtient un tirage dans $N (μ, s)$ , qui est négativement corrélé avec le premier tirage $x i$

Exemple : estimation d'une intégrale

On souhaite estimer

$I = \int_0ˆ1 \frac{1}{1+x} \, \mathrm{d}x$ .

La valeur exacte est $I=\ln 2 \approx 0,69314718055995$ . Cette intégrale peut se voir comme l'espérance de $f (U)$ , où

$f(x) = \frac{1}{1+x}$

et U distribuée selon une loi uniforme sur $[0;1]$ .

On compare l'estimateur Monte-Carlo classique (échantillon de taille $2 n$ , avec $n = 1500$ , tiré selon la loi uniforme standard) à l'estimateur avec variable antithétique (échantillon de taille n, complété par l'échantillon transformé $1 - u i$ ). La variance se réduit comme suit

	Estimation	Variance
Méthode classique	0, 69365	0, 02005
Variable antithétique	0, 69399	0, 00063

On constate une très nette réduction de la variance dans le cas de l'utilisation d'une variable antithétique.

Notes et références

Bibliographie

M. Hammersley et K. W. Morton, A new Monte Carlo technique antithetic variates, Proc. Camb. Phil. Soc., 52, 449, 1956.

Liens externes

[pdf] un cours sur la réduction de la variance

Recherche sur Amazon (livres) :

Ce texte est issu de l'encyclopédie Wikipedia. Vous pouvez consulter sa version originale dans cette encyclopédie à l'adresse http://fr.wikipedia.org/wiki/Variable_antith%C3%A9tique.
Voir la liste des contributeurs.
La version présentée ici à été extraite depuis cette source le 10/03/2010.
Ce texte est disponible sous les termes de la licence de documentation libre GNU (GFDL).
La liste des définitions proposées en tête de page est une sélection parmi les résultats obtenus à l'aide de la commande "define:" de Google.
Cette page fait partie du projet Wikibis.