Analysis of Adaptive Multilevel Splitting algorithms in an idealized case
自适应多级分裂算法是一种非常强大和通用的方法来估计罕见事件的概率。这是一个迭代过程的相互作用的粒子系统,在每一步中,$k$不太适应的粒子在$n$被杀死,而$k$新的更好地适应的粒子根据一个条件的法律重新采样。我们分析了算法的理想化设置的一个确切的restaurant,并证明了估计的罕见事件的概率是无偏的,无论$k$。我们还获得了一个精确的渐近展开的方差的估计和成本的算法在大$n$限制,对于一个固定的$k$。
2014-05-06 math.PR
Large deviations of the giant component in scale-free inhomogeneous random graphs
本文研究无标度非均匀随机图中最大连通分支规模的大偏差,推导出对数速度的大偏差原理,并证明稀有事件条件下权重分布与分支规模分布的分布极限。
2024-07-01 math.PR
Analysis of a Splitting Estimator for Rare Event Probabilities in Jackson Networks
我们考虑一个标准的分裂算法的罕见事件模拟的溢出概率在杰克逊网络中的任何子集的站在水平n,从一个固定的初始位置。在DeanDup 09中表明,Isaacs方程的子解保证了函数求值的次指数数量(以n为单位)足以在给定的相对精度内估计这种溢出概率。这里我们的分析表明,实际上O(n^{2β+1})函数求值足以达到给定的相对精度,其中β是网络中瓶颈站的数量。这是第一个严格的分析,允许有利地比较分裂直接计算的溢出概率的利益,这可以通过求解一个线性系方程O(n^{d})变量进行评估。
2010-07-28 cs.CE math.PR stat.CO
Moderate Deviation for Random Elliptic PDEs with Small Noise
具有随机输入的偏微分方程已经成为表征具有来自例如以下的不确定性的物理系统的流行模型:不精确测量和内在随机性。在本文中,我们进行了渐近稀有事件分析的椭圆型偏微分方程与随机输入。特别是,我们认为渐近制度的噪声水平收敛到零,这表明系统的不确定性是低的,但确实存在。我们开发了一个大类的罕见事件的概率尖锐的近似。
2017-03-16 math.PR
Sample-path Large Deviations in Credit Risk
大额损失事件在信用风险中起着重要作用。由于这些大的损失通常是罕见的,并且投资组合通常由大量的头寸组成,大偏差理论是分析所涉及概率的尾部渐近性的自然工具。首先,我们推导出一个样本路径大偏差原则(LDP)的投资组合的损失过程,这使得对数衰减率的利率的概率计算。此外,我们推导出一些特定的罕见事件的概率,如损失过程超过一些给定的函数的概率的精确渐近结果。
2009-09-30 math.PR
Marginalization for rare event simulation in switching diffusions
本文利用分裂技术估计了开关扩散的连续分量到达一个稀有但临界集的概率。我们使用Wonham滤波器来取代传统的方法,以达到多重目标,包括减少渐近方差和免除离散元件的采样。
2014-12-18 math.PR
Deviations bounds and conditional principles for thin sets
利用Sanov定理中稀有事件概率的非渐近界,研究条件极限定理(薄集Gibbs条件原理)的渐近性.应用随机力学或扩散过程的校准问题进行了讨论。
2005-10-12 math.PR
Large deviations for power-law thinned Levy processes
本文研究一类称为稀疏Levy过程的随机过程的大偏差行为。这个过程最近出现的随机过程限制的背景下,关键的非齐次随机图。这个过程有很强的负漂移,而我们感兴趣的是这个过程在很大程度上为正的罕见事件。为了描述这种罕见的事件,我们确定了一个倾斜的措施。这提出了一些挑战,固有的幂律性质的变薄利维过程。一般原理规定,倾斜应该遵循一个变分问题,但在稀化Levy过程的情况下,这涉及到一个难以控制的黎曼和。我们选择近似的黎曼和的极限积分,推导出一阶修正项,并证明了倾斜,从相应的近似变分问题是足够的建立大偏差的结果。
2014-04-07 math.PR
Unbiasedness of some generalized Adaptive Multilevel Splitting algorithms
我们介绍了一个推广的自适应多级分裂算法在离散时间动态设置,即当它被施加到采样与马尔可夫链的路径相关的罕见事件。通过将该算法解释为道路空间中的顺序采样器,我们能够建立一个估计的罕见事件概率(和任何非归一化的量与此事件相关),这是无偏的,无论选择的重要性函数和副本的数量。这对使用该算法,这是通过各种数值实验所示的实际后果。
2015-05-11 math.PR stat.CO
Fluctuations of Rare Event Simulation with Monte Carlo Splitting in the Small Noise Asymptotics
研究了具有小噪声条件的扩散过程达到目标集的问题。AMS算法是一种蒙特卡罗方法,用于通过迭代地模拟过程的克隆并选择已经达到所谓的重要性函数的最高值的轨迹来对这种罕见事件进行采样。本文考虑AMS小概率估计量的大样本量相对方差。主要结果是后者在小噪声渐近性中的大偏差对数等价,这是严格推导的。它是作为一个最大化问题明确的准潜在的费用函数与潜在的小噪声大偏差。必要和充分的几何条件,确保所获得的数量(“弱”渐近效率)消失。解释和实际后果进行了讨论。
2022-12-09 cs.NA math.NA math.PR
Efficient Rare-Event Simulation for Multiple Jump Events in Regularly Varying Random Walks and Compound Poisson Processes
在一般大偏差情形下,对具有规则变化增量/跳长分布的随机游动和复合Poisson过程提出了一类强有效的稀有事件模拟估计.我们的估计器基于重要性抽样策略,该策略取决于Rhee,Blanchet和Zwart(2016)最近建立的重尾样本路径大偏差结果。新的估计是简单的实施,并可用于系统地评估概率的范围广泛的罕见事件有界相对误差。它们是“普遍的”,在这个意义上,一个单一的重要性抽样方案适用于一个非常普遍的一类罕见的事件,出现在重尾系统。特别是,我们的估计可以处理罕见的事件,是由多个大的跳跃(因此,超出了通常的原则,一个大的跳跃),以及多维过程,如缓冲区的内容过程的排队网络。我们说明了我们的方法的多功能性与数学金融,精算科学和排队论的背景下出现的几个应用程序。
2017-06-13 math.PR
Rare Event Simulation and Splitting for Discontinuous Random Variables
多级分裂方法,也称为顺序蒙特卡罗或\emph{Subset Simulation},是广泛使用的方法,用于估计$P[S(\mathbf{U}) > q]$形式的极值概率,其中$S$是确定性实值函数,而$\mathbf{U}$可以是随机有限维或无限维向量。通常,假设$X := S(\mathbf{U})$是一个连续的随机变量,并且许多关于估计量的统计行为的理论结果现在都是在这个假设下得出的。然而,一旦$S$和/或$\mathbf{U}$中出现阈值效应,则离散或混合离散/连续,该假设不再成立,估计量不一致。在本文中,我们研究了$X$的\emph{cdf}中的不连续性的影响,并提出了三个无偏的\emph{corrected}估计来处理它们。这些估计量不需要事先知道$X$实际上是否是不连续的,并且如果$X$是连续的,则变得全部相等。特别是,其中一个在任何情况下都具有相同的统计特性。在2-D扩散过程以及在\emph{Boolean SATisfiability problem}(SAT)上显示效率。
2015-07-03 math.PR stat.CO
Estimating large deviation rate functions
在概率论的许多应用领域中,建立大偏差原理(LDP)被证明是大量随机模型的一个强有力的结果。LDP的关键目标是大偏差率函数,从中可以确定罕见事件的概率估计。为了使这些结果在经验上适用,有必要根据观测值估计速率函数。这是我们在这篇文章中为最著名和最广泛使用的LDP解决的问题:随机游动的Cramér定理。我们建立,即使只有一个狭窄的LDP举行的Cramér的定理,发生重尾增量,一个LDP估计的随机行走的速率函数在凸的下半连续函数的空间配备Attouch-Wets拓扑通过经验估计的矩母函数。这个结果可能看起来令人惊讶,因为它是说,对于Cramér定理,人们可以快速形成控制罕见事件可能性的函数的非参数估计。
2017-06-22 math.PR
Rare event asymptotics for exploration processes for random graphs
在随机图模型的大偏差的研究中,很多工作都集中在稠密区,在稠密区,图子理论已经成为一个主要的工具。这些工具并没有给出一个很好的方法来解决随机图模型在稀疏状态下的大偏差问题。本文的目的是研究一种方法来解决这一领域的大偏差问题,通过建立大偏差原则(LDP)的适当的道路空间的相关随机图序列的某些探索过程。我们的工作集中在一类特殊的随机图模型,即配置模型的研究,而一般的方法,使用探索过程研究的大偏差性质的稀疏随机图模型具有更广泛的适用性。目的是研究大网络极限下非典型行为概率的渐近性。为此,第一个关键步骤是为与配置模型相关联的勘探过程建立LDP。一个合适的探索过程在这里是一个无穷维的马尔可夫过程,其转移概率在状态空间的某些部分减少到零。这种马尔可夫模型的大偏差性质是具有挑战性的,由于相关的局部速率函数的不良规律性行为。接下来,使用LDP中的速率函数的探索过程中,我们制定了一个演算的变分问题与组件的程度分布的渐近。在我们的研究中的第二个关键因素是仔细分析与变分问题相关的无限维欧拉-拉格朗日方程。精确解确定,然后提供明确的公式的概率衰减率的非典型组件的程度分布和相关的数量。请参阅论文的完整摘要。
2020-07-04 math.PR
Adaptive Reduced Multilevel Splitting
针对昂贵评分函数下的稀有事件采样,本文提出利用带误差界的约简替代评分,并扩展自适应多层分裂框架,实现临界水平完全自适应的重要性采样算法。
2024-10-24 math.PR stat.CO
Efficient simulation of density and probability of large deviations of sum of random vectors using saddle point representations
我们考虑的问题,有效的模拟估计的密度函数的尾部,和大偏差的概率为一个独立的,同分布的,轻尾和非格随机向量的总和。后一个问题除了是独立的利益,也形成了一个更复杂的罕见事件的问题,例如,在抵押贷款和金融信贷风险建模的一个组成部分。它已经在文献中被广泛研究,其中基于重要性采样的状态无关指数扭曲已被证明是渐近有效的,并且更细微的状态相关指数扭曲已被证明具有更强的有界相对误差属性。我们利用鞍点为基础的表示,存在这些罕见的数量,这依赖于反转的基础随机向量的特征函数。这些表示将罕见事件估计问题减少到评估某些积分,这些积分可以通过重要性采样表示为期望。此外,它是容易识别和近似的零方差重要性抽样分布估计这些积分。我们确定这样的重要性抽样措施,并表明,他们具有渐近消失的相对误差属性,是强于有界相对误差属性。为了说明所提出的方法的更广泛的适用性,我们将其扩展到同样有效地估计实际上重要的IID随机变量的总和的预期超调。
2012-10-16 math.PR
Rare Event Simulation for Steady-State Probabilities via Recurrency Cycles
本文提出了一种新的算法,用于估计具有连续状态空间$\mathbb R^d$和离散时间步长的马尔可夫随机过程(即离散时间$\mathbb R^d$值马尔可夫链)的稳态概率.该算法,我们硬币的递归多级分裂(RMS),依赖于马尔可夫链的底层递归结构,结合多级分裂方法。进行了大量的模拟实验,包括具有复杂气候模式的一些特征的非线性随机模式的实验。数值实验表明,RMS方法与蒙特卡罗方法相比,可以将计算效率提高几个数量级。
2019-04-05 math.PR stat.CO
Large deviations for Gaussian diffusions with delay
由小噪声非线性时滞随机微分方程驱动的动力系统在长时间尺度上可以表现出重要的稀有事件。当没有延迟时,经典的大偏差理论量化了罕见的事件,例如从亚稳态不动点的逃逸。在这样的不动点附近,可以用线性延迟PDE来近似非线性延迟PDE。在这里,我们开发了一个完全明确的大偏差框架(一定是高斯)的过程$X_t$驱动的线性延迟偏微分方程与小扩散系数。我们的方法可以快速数值计算的行动功能控制罕见的事件$X_t$和最有可能的路径从$X_0 = p$过渡到$X_T=q$。通过线性噪声局部近似,我们可以计算出最有可能的路线逃离亚稳态的非线性延迟SDES。我们应用我们的方法详细的动态的基因调控电路,即共抑制切换开关,这可能是一个非线性化学Langevin延迟。
2018-01-02 math.PR q-bio.MN
Efficient Rare-Event Simulation for Multiple Jump Events in Regularly Varying Lévy Processes with Infinite Activities
本文研究了具有无穷活动的重尾Lévy过程的稀有事件模拟问题。基于重尾Lévy过程的样本路径大偏差、Lévy过程极值的破棒逼近和随机去偏Monte Carlo方法,提出了一种强有效的重要抽样算法.本文提出的重要抽样算法可以应用于广泛的Lévy过程,并在数值实验中与粗糙的蒙特卡罗方法相比,在效率上有显著的提高.
2020-07-16 math.PR
On the Asymptotic Normality of Adaptive Multilevel Splitting
自适应多级分裂(Adaptive Multilevel Splitting,AMS)是一种通用的马尔可夫过程蒙特卡罗方法,用于模拟罕见事件并估计相关概率。尽管它的实际效率,几乎没有理论结果的收敛性。本文的目的是证明在一般情况下的一致性和渐近正态性结果。这是通过关联到原来的马尔可夫过程的水平指数的过程,也被称为随机波,并显示AMS可以被看作是一个弗莱明-维奥特型粒子系统。这样做,我们终于可以应用我们最近获得的Fleming-Viot粒子系统的一般结果。
2018-04-23 math.PR
Towards zero variance estimators for rare event probabilities
改进稀有事件概率的重要抽样估计需要条件密度的精确近似。这是针对事件E_{n}实现的:=(f(X_{1})+.+ f(X_{n}))\inA_{n},其中被加数是i.i.d.而E_{n}是大或中等偏差事件。当k_{n} /n \to 1时,对于1个\leqi \leqk_{n}和相对于E_{n}的长期运行,处理了真实r.v的X_{i}的条件密度的近似。讨论了在给定精度下k的最大值,给出了算法和仿真结果。
2012-02-06 math.PR
Optimization under rare events: scaling laws for linear chance-constrained programs
Stanford University(斯坦福大学);University of Oxford(牛津大学);Eindhoven University of Technology(埃因霍温理工大学)
本文研究稀有事件约束下线性机会规划的最优值标度律,利用大偏差与极值理论证明轻尾下CVaR和样本近似最优、重尾下次优,并揭示极限凸规划结构。
2025-11-11 math.OC math.PR
Many-Server Asymptotics for Join-the-Shortest-Queue: Large Deviations and Rare Events
本文研究了处理器数量随到达率变化的Join-the-Shortest-Queue路由策略,在无限维路径空间中建立了占用过程的大偏差原理,并推导出长队列概率的显式指数衰减率。
2025-08-11 math.OC math.PR
Uniform concentration bounds for frequencies of rare events
对独立随机样本的经验分布,导出了新的Vapnik和Chervonenkis型浓度不等式.重点是在一个低概率区域内的Borel集类的最大偏差。常数是显式的,可以进行数值比较。
2022-04-23 math.PR math.ST stat.TH
Rare event simulation for stochastic dynamics in continuous time
随机动力学可加性路径泛函的大偏差问题及其数值方法近年来引起了人们极大的研究兴趣。我们专注于克隆算法在连续时间的收敛性能的问题,并建立连接到文献的粒子滤波器和顺序蒙特卡罗方法。这使我们能够推导出严格的收敛范围克隆算法,我们在本文中报告,在进一步出版的证明细节。倾斜的发电机表征的大偏差率函数可以关联到非线性过程,这引起了几个表示的动态和额外的自由度相关联的数值近似。我们详细讨论了这些选择,并结合过滤文献和克隆算法的见解,比较不同的方法,提高效率。
2019-06-10 cond-mat.stat-mech math.PR
The importance sampling technique for understanding rare events in Erdős-Rényi random graphs
在稠密的Erdens-Rényi随机图中,我们感兴趣的是给定子图中出现大量事件的情况。子图计数的平均行为是已知的,直到最近才发现相关的大偏差结果。因此,很自然地会问,是否可以开发有效的数值方案来估计Erdens-Rényi图包含过多数量的固定给定子图的概率?利用大偏差原理,我们研究了一种重要抽样方案,作为一种方法,数值计算大三角计数出现在Erdens-Rényi图的小概率。我们表明,指数倾斜直接建议的大偏差原则并不总是产生一个最佳方案。在重要抽样方案中使用的指数倾斜来自指数随机图的广义类。渐近最优性是重要抽样方案效率的一个度量,它是通过指数随机图中参数的特殊选择来实现的,这使得它与在大网络极限中有许多三角形的Erdens-Rényi图无法区分。我们展示了如何在副本对称阶段以及部分副本破碎阶段的条件Erdens-Rényi图的这种选择,以产生渐近最优的数值方案来估计这种罕见事件的概率。
2014-04-02 math.CO math.PR
On a new class of score functions to estimate tail probabilities of some stochastic processes with Adaptive Multilevel Splitting
我们调查的应用程序的自适应多级分裂算法估计的尾部概率的解决方案的随机微分方程在给定的时间评估,和相关的时间平均值。我们引入了一个新的,非常普遍和有效的家庭的分数函数,这是专为这些问题。我们通过一系列的数值实验来说明它的行为。特别是,我们演示了如何可以用来估计大偏差率泛函的时间平均值的长期限制。
2018-11-15 math.PR stat.CO
Importance Sampling for rare events and conditioned random walks
本文介绍了一种新的重要性抽样方案,称为自适应扭曲重要性抽样,它适用于在与实际独立同分布经验均值有关的中等偏差范围内改进稀有事件概率的估计。summands。它是基于从随机游动中提取的长游程密度的尖锐近似,该随机游动以其端点值为条件。
2009-10-09 math.PR math.ST stat.CO
Conditioning by rare sources
本文研究了均匀分布和一般先验分布下信源集合的后验概率的指数衰减和稀疏信源条件。衰变率由$L$ -发散决定,并且来自凸闭集的稀有源渐近地有条件地集中在$L$ -投影上。$L$ -线性源族上的投影属于$\varLambda$ -分布族。所得结果与经验测度的大偏差(Sanov定理和条件极限定理)的结果相似.
2007-01-12 math.PR math.ST stat.TH
High-Dimensional Interpolators Can Be Fragile: Heavy Tails and High-Dimensional Large Deviations
Northwestern University(西北大学)
研究高维线性插值器脆弱性,聚焦无脊回归与岭正则化估计器对比,用大偏差方法表明无脊回归风险有重尾行为,在大偏差率层面量化,发现其右尾衰减慢,揭示插值虽平均准确但可能统计脆弱,正则化影响风险事件频率。
2026-07-13 math.PR math.ST stat.ML
Unbiased simulation of rare events in continuous time
对于用马尔可夫过程描述的罕见事件,罕见事件概率的真正无偏估计通常需要避免马尔可夫过程的数值逼近。最近的工作,在精确和$\varepsilon$ -强模拟扩散,它可以用来几乎肯定限制样品路径到一个给定的公差,建议一种方法来做到这一点。我们指定如何将这些算法与经典的多级分裂方法结合起来进行稀有事件模拟。这提供了所讨论的概率的无偏估计。我们讨论的实际可行性的算法参考现有的$\varepsilon$强的方法,并提供概念验证的数值例子。
2021-11-05 math.PR math.ST stat.CO
The random matrix hard edge: rare events and a transition
我们研究了随机矩阵硬边出现的极限点过程的各种稀有事件的概率。我们还展示了从硬边到批量行为的过渡。渐近事件研究包括一个中心极限定理和大偏差结果的点的数量在一个增长的区间$[0,λ]$为$λ\to \infty$。我们研究这些结果的平方根的硬边过程。在此设置中,这些行为中的许多行为模仿正弦$_β$过程的行为。
2017-11-20 math-ph math.MP math.PR
Analytical Mechanics in Stochastic Dynamics: Most Probable Path, Large-Deviation Rate Function and Hamilton-Jacobi Equation
分析(理性)力学是由达朗贝尔、拉格朗日、汉密尔顿、雅可比和许多其他应用数学名人发展的牛顿确定性动力学的数学结构。扩散作为一个过阻尼的单个粒子浸没在流体中的随机过程,由爱因斯坦,Smoluchowski,Langevin和Wiener发起,没有动量,因为它的路径无处可微。在这一论述中,我们说明如何分析力学产生的随机动力学从随机扰动常微分方程$dX_t=b(X_t)dt+εdW_t$,其中$W_t$是布朗运动。在$ε$极小的极限下,随机微分方程的解除$\dot{x}=b(x)$外都是稀有事件.然而,在这样的事件发生的条件下,随机运动的最可能的轨迹是拉格朗日力学与$\mathcal{L}=\|\dot{q}-b(q)\|^2/4$和哈密顿方程与$H(p,q)=\|p\|^2+b(q)\cdot p$的解决方案。哈密顿守恒定律意味着一个“稀有”事件的最可几轨迹沿着它的路径有一个均匀的“多余动能“。稀有事件也可以用大偏差原理来表征,它将$X_t$的概率密度函数表示为$f(x,t)=e^{-u(x,t)/ε}$,其中$u(x,t)$被称为满足相应的哈密顿-雅可比方程的大偏差率函数。具有$\nabla\times b\neq 0$的不可逆扩散过程对应于具有洛伦兹力$\ddot{q}=(\nabla\times b)\times \dot{q}+1/2\nabla\|b\|^2$的牛顿系统。随机运…
2012-05-28 cond-mat.stat-mech math-ph math.DS