DETEÇÃO E ESTIMAÇÃO Aula 18: Simulação de Monte Carlo – Parte 2
Amostragem de importância (Importance Sampling) Objetivo: reduzir o número de amostras mantendo a acurácia do estimador de uma integral (no caso a prob. de falso alarme ou não-deteção) Como? Amostrar de uma distribuição alternativa Modificar integral de acordo
Amostragem de importância
Simulação de
Procedimento Gerar a partir de Estimar por
Qualidade do estimador Valor esperado Variância
Número de amostras necessárias Desejável minimizar. Como?
Minimizando o número de amostras No caso geral é difícil Ideia Determine uma cota superior Minimize a cota superior
Minimizando o número de amostras
Pela desigualdade de Jensen Com igualdade se e somente se
Minimizando o número de amostras Logo, para minimização da cota superior Onde
Minimizando o número de amostras
Técnicas de Monte Carlo Razão do log-verossimilhança Estatística suficiente
Técnicas de Monte Carlo Probabilidade de falso alarme Probabilidade de não-deteção
Técnicas de Monte Carlo Função indicadora Prob. de falso alarme e não-deteção
Técnicas de Monte Carlo Procedimento de estimação da prob. De falso alarme Simular uma amostra aleatória da estatística suficiente Calcular o valor esperado da função indicadora considerando a distribuição da estatística suficiente quando a hipótese nula é verdadeira
Técnicas de Monte Carlo Como gerar amostras de uma distribuição? Depende da distribuição Para uniforme já existem métodos implementados Para demais distribuições, use a transformação Onde
Técnicas de Monte Carlo Por que isso funciona? Jacobiano da transformação Distribuição resultante
Técnicas de Monte Carlo No problema em questão Gera-se um certo número de amostras da estatística suficiente Conte o número de vezes em que a estatística suficiente excede o limiar Mostra-se que esse valor converge para a prob. de FA
Técnicas de Monte Carlo Estimador é não- enviasado Variância do estimador
Técnicas de Monte Carlo Intervalo de confiança Prob. de estimativa estar diferir de seu valor correto por meneos de uma certa quantidade
Técnicas de Monte Carlo Pelo teorema central do limite Para uma gaussiana qualquer No caso
Técnicas de Monte Carlo Logo Que ocorre quando Exemplo
Técnicas de Monte Carlo De forma similar
Técnicas de Monte Carlo Exemplo 2.15 (cont. 2.1)
Técnicas de Monte Carlo Solução: 1) Determinar estatística suficiente 2) Pra cada ponto da curva, determinar limiar
Técnicas de Monte Carlo Solução: 3) Gerar amostras da estatística suficiente para H0 e H1 4) Calcular o percentual de vezes em que as amostras para H0 excedem o limiar para cálculo de PF 5) Calcular o percentual de vezes em que as amostras para H1 estão abaixo do limiar para cálculo de PM
Técnicas de Monte Carlo Problema Número de amostras é muito alto para Pf baixo (ex. Pf = 10^-6)
Questionário 1) O que são técnicas de Monte Carlo e para que servem?
Questionário 2) Por que Pf baixo exige muitas amostras?