作者:陈勇吏(上海交通大学)
连享会 - 与君分享 lianxh.cn
文章目录
本文介绍 Stata 中做蒙特卡洛模拟的两种常用方法。第一种方法是使用
postfile
命令,第二种方法是
simulate
命令,并举了两个具体的例子,说明如何在 Stata 中做蒙特卡洛模拟。
1. 蒙特卡洛模拟(MC)简介
蒙特卡洛模拟方法(MC),即从总体中抽取大量随机样本的计算方法。当根据总体的分布函数 F ( x ) F(\bf x) F(x) 很难求出想要的数字特征时,可以使用蒙特卡洛模拟的方法,从总体中抽取大量样本,使用样本的数字特征估计总体的数字特征。
比如,我们想知道 E [ g ( X ) ] E[g(\bf X)] E[g(X)],其中 X {\bf X} X 是随机向量,其概率密度函数为 f ( x 1 , x 2 , . . . x n ) f(x_1, x_2, ... x_n) f(x1,x2,...xn)。根据期望公式可以得到:
E [ g ( X ) ] = ∫ ∫ ⋅ ⋅ ⋅ ∫ g ( x 1 , x 2 , . . . , x n ) f ( x 1 , x 2 , . . . , x n ) d x 1 d x 2 ⋅ ⋅ ⋅ d x n E[g({\bf X})] = \int\int\cdot\cdot\cdot\int g(x_1,x_2,...,x_n)f(x_1,x_2,...,x_n)dx_1dx_2\cdot\cdot\cdot dx_n E[g(X)]=∫∫⋅⋅⋅∫g(x1,x2,...,xn)f(x1,x2,...,xn)dx1dx2⋅⋅⋅dxn
这是一个多重积分,大多时候很难求解。此时,我们可以使用蒙特卡洛模拟的方法,从总体中抽取大量的样本,通过样本来近似 E [ g ( X ) ] E[g(\bf X)] E[g(X)]。具体操作过程如下:
- 从总体的概率分布 f ( x 1 , x 2 , . . . x n ) f(x_1, x_2, ... x_n) f(x1,