Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
First-Order System Least Squares Finite-Elements for Singularly Perturbed Reaction-Diffusion Equations Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Efficient Stochastic Approaches for Multidimensional Integrals in Bayesian Statistics

verfasst von : Venelin Todorov, Ivan Dimov

Erschienen in: Large-Scale Scientific Computing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

A fundamental problem in Bayesian statistics is the accurate evaluation of multidimensional integrals. A comprehensive experimental study of quasi-Monte Carlo algorithms based on Sobol sequence combined with Matousek linear scrambling and a comparison with adaptive Monte Carlo approach and a lattice rule based on generalized Fibonacci numbers has been presented. The numerical tests show that the stochastic algorithms under consideration are efficient for multidimensional integration and especially for computing high dimensional integrals. It is a crucial element since this may be important to be estimated in order to achieve a more accurate and reliable interpretation of the results in Bayesian statistics which is foundational in applications such as machine learning.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Monte Carlo Evaluation of the Current and Low Frequency Current Noise at Spin-Dependent Hopping
Nächstes Kapitel Parallel Multilevel Monte Carlo Algorithms for Elliptic PDEs with Random Coefficients
Literatur
1.
Antonov, I., Saleev, V.: An economic method of computing LP tau-sequences. USSR Comput. Math. Math. Phys. 19, 252–256 (1980)CrossRef
2.
3.
Bendavid, J.: Efficient Monte Carlo integration using boosted decision trees and generative deep neural networks. arXiv preprint arXiv:​1707.​00028 (2017)
4.
Boyle, P., Lai, Y., Tan, K.: Using lattice rules to value low-dimensional derivative contracts (2001)
5.
Dimov, I.: Monte Carlo Methods for Applied Scientists, 291 p. World Scientific, Singapore (2008)MATH
6.
Dimov, I., Georgieva, R.: Monte Carlo algorithms for evaluating Sobol’ sensitivity indices. Math. Comput. Simul. 81(3), 506–514 (2010)MathSciNetCrossRef
7.
Dimov, I., Karaivanova, A.: Error analysis of an adaptive Monte Carlo method for numerical integration. Math. Comput. Simul. 47, 201–213 (1998)MathSciNetCrossRef
8.
Hua, L.K., Wang, Y.: Applications of Number Theory to Numerical analysis. Springer, Heidelberg (1981)MATH
9.
Hong, H.S., Hickernell, F.J.: ALGORITHM 823: implementing scrambled digital sequences. ACM Trans. Math. Softw. 29(2), 95–109 (2003)MathSciNetCrossRef
10.
Korobov, N.M.: Number-Theoretical Methods in Approximate Analysis. Fizmatgiz, Moscow (1963)
11.
Lin, S.: Algebraic methods for evaluating integrals in Bayesian statistics. Ph.D. dissertation, UC Berkeley, May 2011
12.
Lin, S., Sturmfels, B., Xu, Z.: Marginal likelihood integrals for mixtures of independence models. J. Mach. Learn. Res. 10, 1611–1631 (2009)MathSciNetMATH
13.
Matousek, J.: On the L2-discrepancy for anchored boxes. J. Complex. 14(4), 527–556 (1998)CrossRef
14.
Owen, A.: Variance and discrepancy with alternative scramblings. ACM Trans. Comput. Logic 13, 1–16 (2002)
15.
Paskov, S.: Computing high dimensional integrals with applications to finance. Columbia University (1994, preprint)
16.
Sloan, I.H., Kachoyan, P.J.: Lattice methods for multiple integration: theory, error analysis and examples. SIAM J. Numer. Anal. 24, 116–128 (1987)MathSciNetCrossRef
17.
Song, J., Zhao, S., Ermon, S.: A-NICE-MC: adversarial training for MCMC. In: Advances in Neural Information Processing Systems, pp. 5140–5150 (2017)
18.
19.
Watanabe, S.: Algebraic analysis for nonidentifiable learning machines. Neural Comput. 13, 899–933 (2001)CrossRef
Metadaten
Titel
Efficient Stochastic Approaches for Multidimensional Integrals in Bayesian Statistics
verfasst von
Venelin Todorov
Ivan Dimov
Copyright-Jahr
2020
Buch
Large-Scale Scientific Computing

Print ISBN: 978-3-030-41031-5

Electronic ISBN: 978-3-030-41032-2

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-030-41032-2_52