Painotusotanta vakioivilla muuttujilla ja sekoitejakaumilla

Tämän tutkielman tarkoituksena on perehtyä painotusotantaan ja sen varianssin pienentämiseen vakioivien muuttujien ja sekoitejakaumien avulla. Sekä painotusotanta että vakioivat muuttujat ovat Monte Carlo -menetelmiä, ja tässä tutkielmassa keskitytään niiden käyttämiseen odotusarvon integraalin stok...

Full description

Bibliographic Details
Main Author: Pohjanheimo, Elviira
Other Authors: Faculty of Sciences, Matemaattis-luonnontieteellinen tiedekunta, Department of Mathematics and Statistics, Matematiikan ja tilastotieteen laitos, University of Jyväskylä, Jyväskylän yliopisto
Format: Master's thesis
Language:fin
Published: 2023
Subjects:
Online Access: https://jyx.jyu.fi/handle/123456789/93112
_version_ 1826225720327667712
author Pohjanheimo, Elviira
author2 Faculty of Sciences Matemaattis-luonnontieteellinen tiedekunta Department of Mathematics and Statistics Matematiikan ja tilastotieteen laitos University of Jyväskylä Jyväskylän yliopisto
author_facet Pohjanheimo, Elviira Faculty of Sciences Matemaattis-luonnontieteellinen tiedekunta Department of Mathematics and Statistics Matematiikan ja tilastotieteen laitos University of Jyväskylä Jyväskylän yliopisto Pohjanheimo, Elviira Faculty of Sciences Matemaattis-luonnontieteellinen tiedekunta Department of Mathematics and Statistics Matematiikan ja tilastotieteen laitos University of Jyväskylä Jyväskylän yliopisto
author_sort Pohjanheimo, Elviira
datasource_str_mv jyx
description Tämän tutkielman tarkoituksena on perehtyä painotusotantaan ja sen varianssin pienentämiseen vakioivien muuttujien ja sekoitejakaumien avulla. Sekä painotusotanta että vakioivat muuttujat ovat Monte Carlo -menetelmiä, ja tässä tutkielmassa keskitytään niiden käyttämiseen odotusarvon integraalin stokastisessa simuloinnissa. Tutkielmassa tarkastellaan kirjallisuudessa esitettyä painotusotannan parannusehdotusta, joka mahdollisesti parantaa menetelmän tehokkuutta pienentämällä varianssia ja samalla suojaa menetelmää epäonnistumiselta. Painotusotanta perustuu todennäköisyysmitan vaihtamiseen tehokkuuden parantamiseksi. Sen estimaattoriin voidaan lisätä vakioivat muuttujat, joilla varianssin pienennys perustuu korrelaatioon alkuperäisen muuttujan ja vakioivan muuttujan välillä. Vakioivien muuttujien kertoimet täytyy estimoida, sillä varianssin pienentämisen kannalta optimaalisia kertoimia ei yleensä voida laskea. Tämän tutkielman päätuloksena onkin lause, jonka mukaan muutaman ehdon pätiessä optimaalisten kertoimien korvaaminen pienimmän neliösumman estimaattorilla on vaikutukseltaan asymptoottisesti merkityksetöntä. Sen yksityiskohtaisessa todistuksessa käytetään todennäköisyyslaskennan perustuloksia, stokastista kertaluokkaa, matriisilaskentaa sekä analyysin differentiaali- ja integraalilaskentaa. Vakioivien muuttujien lisäksi painotusotannan parannusehdotukseen liittyy sekoitejakauman käyttäminen estimaattorissa. Sekoitejakaumalla tarkoitetaan todennäköisyysjakaumaa, jonka tiheysfunktio on painotettu summa tiheysfunktioista. Yhdistämällä vakioivat muuttujat ja sekoitejakaumaa käyttävä painotusotanta saadaan estimaattori, jonka varianssi todistetaan ylhäältä rajoitetuksi. Lisäksi osoitetaan, että menetelmän varianssi ei ole suurempi kuin vastaavan painotusotannan varianssi parhaimmillaan. Täten, koska estimaattori välttää painotusotannan mahdollisen äärettömän varianssin eikä myöskään suurenna varianssia, voidaan todeta, että parannusehdotusta käyttävä menetelmä on turvallinen ja tehokas versio painotusotannasta.
first_indexed 2024-01-30T21:00:30Z
format Pro gradu
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "Vihola, Matti", "language": null, "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Pohjanheimo, Elviira", "language": "", "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2024-01-30T07:28:00Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2024-01-30T07:28:00Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2023", "language": null, "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/93112", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "T\u00e4m\u00e4n tutkielman tarkoituksena on perehty\u00e4 painotusotantaan ja sen varianssin pienent\u00e4miseen vakioivien muuttujien ja sekoitejakaumien avulla. Sek\u00e4 painotusotanta ett\u00e4 vakioivat muuttujat ovat Monte Carlo -menetelmi\u00e4, ja t\u00e4ss\u00e4 tutkielmassa keskityt\u00e4\u00e4n niiden k\u00e4ytt\u00e4miseen odotusarvon integraalin stokastisessa simuloinnissa. Tutkielmassa tarkastellaan kirjallisuudessa esitetty\u00e4 painotusotannan parannusehdotusta, joka mahdollisesti parantaa menetelm\u00e4n tehokkuutta pienent\u00e4m\u00e4ll\u00e4 varianssia ja samalla suojaa menetelm\u00e4\u00e4 ep\u00e4onnistumiselta.\n\nPainotusotanta perustuu todenn\u00e4k\u00f6isyysmitan vaihtamiseen tehokkuuden parantamiseksi. Sen estimaattoriin voidaan lis\u00e4t\u00e4 vakioivat muuttujat, joilla varianssin pienennys perustuu korrelaatioon alkuper\u00e4isen muuttujan ja vakioivan muuttujan v\u00e4lill\u00e4. Vakioivien muuttujien kertoimet t\u00e4ytyy estimoida, sill\u00e4 varianssin pienent\u00e4misen kannalta optimaalisia kertoimia ei yleens\u00e4 voida laskea. T\u00e4m\u00e4n tutkielman p\u00e4\u00e4tuloksena onkin lause, jonka mukaan muutaman ehdon p\u00e4tiess\u00e4 optimaalisten kertoimien korvaaminen pienimm\u00e4n neli\u00f6summan estimaattorilla on vaikutukseltaan asymptoottisesti merkitykset\u00f6nt\u00e4. Sen yksityiskohtaisessa todistuksessa k\u00e4ytet\u00e4\u00e4n todenn\u00e4k\u00f6isyyslaskennan perustuloksia, stokastista kertaluokkaa, matriisilaskentaa sek\u00e4 analyysin differentiaali- ja integraalilaskentaa.\n\nVakioivien muuttujien lis\u00e4ksi painotusotannan parannusehdotukseen liittyy sekoitejakauman k\u00e4ytt\u00e4minen estimaattorissa. Sekoitejakaumalla tarkoitetaan todenn\u00e4k\u00f6isyysjakaumaa, jonka tiheysfunktio on painotettu summa tiheysfunktioista. Yhdist\u00e4m\u00e4ll\u00e4 vakioivat muuttujat ja sekoitejakaumaa k\u00e4ytt\u00e4v\u00e4 painotusotanta saadaan estimaattori, jonka varianssi todistetaan ylh\u00e4\u00e4lt\u00e4 rajoitetuksi. Lis\u00e4ksi osoitetaan, ett\u00e4 menetelm\u00e4n varianssi ei ole suurempi kuin vastaavan painotusotannan varianssi parhaimmillaan. T\u00e4ten, koska estimaattori v\u00e4ltt\u00e4\u00e4 painotusotannan mahdollisen \u00e4\u00e4rett\u00f6m\u00e4n varianssin eik\u00e4 my\u00f6sk\u00e4\u00e4n suurenna varianssia, voidaan todeta, ett\u00e4 parannusehdotusta k\u00e4ytt\u00e4v\u00e4 menetelm\u00e4 on turvallinen ja tehokas versio painotusotannasta.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by Paivi Vuorio (paelvuor@jyu.fi) on 2024-01-30T07:28:00Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2024-01-30T07:28:00Z (GMT). No. of bitstreams: 0\n Previous issue date: 2023", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "50", "language": "", "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.title", "value": "Painotusotanta vakioivilla muuttujilla ja sekoitejakaumilla", "language": "", "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "master thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-202401301617", "language": null, "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Master\u2019s thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Pro gradu -tutkielma", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Sciences", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Matemaattis-luonnontieteellinen tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Department of Mathematics and Statistics", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Matematiikan ja tilastotieteen laitos", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Mathematics", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Matematiikka", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_bdcc", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.copyright", "value": "\u00a9 The Author(s)", "language": null, "element": "rights", "qualifier": "copyright", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": null, "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "masterThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "4041", "language": null, "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "matematiikka", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "tilastomenetelm\u00e4t", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "Monte Carlo -menetelm\u00e4t", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "simulointi", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "matemaattinen tilastotiede", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}]
id jyx.123456789_93112
language fin
last_indexed 2025-02-18T10:55:36Z
main_date 2023-01-01T00:00:00Z
main_date_str 2023
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/db11e4a4-e3bf-4b1e-a90e-18e3586f1a6c\/download","text":"URN:NBN:fi:jyu-202401301617.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2023
record_format qdc
source_str_mv jyx
spellingShingle Pohjanheimo, Elviira Painotusotanta vakioivilla muuttujilla ja sekoitejakaumilla Mathematics Matematiikka 4041 matematiikka tilastomenetelmät Monte Carlo -menetelmät simulointi matemaattinen tilastotiede
title Painotusotanta vakioivilla muuttujilla ja sekoitejakaumilla
title_full Painotusotanta vakioivilla muuttujilla ja sekoitejakaumilla
title_fullStr Painotusotanta vakioivilla muuttujilla ja sekoitejakaumilla Painotusotanta vakioivilla muuttujilla ja sekoitejakaumilla
title_full_unstemmed Painotusotanta vakioivilla muuttujilla ja sekoitejakaumilla Painotusotanta vakioivilla muuttujilla ja sekoitejakaumilla
title_short Painotusotanta vakioivilla muuttujilla ja sekoitejakaumilla
title_sort painotusotanta vakioivilla muuttujilla ja sekoitejakaumilla
title_txtP Painotusotanta vakioivilla muuttujilla ja sekoitejakaumilla
topic Mathematics Matematiikka 4041 matematiikka tilastomenetelmät Monte Carlo -menetelmät simulointi matemaattinen tilastotiede
topic_facet 4041 Matematiikka Mathematics Monte Carlo -menetelmät matemaattinen tilastotiede matematiikka simulointi tilastomenetelmät
url https://jyx.jyu.fi/handle/123456789/93112 http://www.urn.fi/URN:NBN:fi:jyu-202401301617
work_keys_str_mv AT pohjanheimoelviira painotusotantavakioivillamuuttujillajasekoitejakaumilla