Monte Carlo Method | พศิน มรุปัณฑ์ธร | นักวิจัยเชิงปริมาณ

วงรีความเชื่อมั่นเชิงกำกับสำหรับการแจกแจงล็อกนอร์มอลและการประยุกต์ในการกำหนดราคาเชิงคณิตศาสตร์ประกันภัย

Wed, 24 Dec 2025 00:00:00 +0000

ปัญหาที่งานวิจัยแก้ไข

การกำหนดราคาเชิงคณิตศาสตร์ประกันภัยด้วยความเสียหายแบบล็อกนอร์มอลขึ้นกับพารามิเตอร์ประมาณสองค่าที่มีความไม่แน่นอนสัมพันธ์กัน ช่วงความเชื่อมั่นแยกกันอาจปิดบังความไม่แน่นอนร่วมและให้คำแนะนำจำกัดเกี่ยวกับความแม่นยำของเบี้ยหรือจำนวนกรมธรรม์ที่ต้องการ

ผู้ได้รับประโยชน์:

นักคณิตศาสตร์ประกันภัยและทีมกำหนดราคา
นักวิเคราะห์ความเสี่ยงและเงินสำรอง
นักสถิติที่ใช้แบบจำลองล็อกนอร์มอล
บริษัทประกันที่วางแผนขนาดตัวอย่างและปริมาณกรมธรรม์

วิธีการ

งานวิจัยสร้างวงรีความเชื่อมั่นร่วมเชิงกำกับจากตัวประมาณภาวะน่าจะเป็นสูงสุดของพารามิเตอร์ล็อกนอร์มอล การทดลองมอนติคาร์โลใช้พารามิเตอร์ 9 ชุด ขนาดตัวอย่าง 10, 100 และ 1,000 และจำลองซ้ำ 1,000 รอบ พร้อมอนุมานและตรวจสอบขอบล่างเชิงทฤษฎีของขนาดตัวอย่างที่จำเป็นต่อความแม่นยำเป้าหมาย ก่อนประยุกต์กับข้อมูลประกันสุขภาพ 1,338 ราย

ผลการศึกษา

ความครอบคลุมเชิงประจักษ์อยู่ระหว่างร้อยละ 94.27 ถึง 95.13 ใกล้ระดับเป้าหมายร้อยละ 95 แม้ในตัวอย่างขนาดเล็ก วงรีร่วมให้ช่วงความเชื่อมั่นของเบี้ยที่กระชับกว่าการพิจารณาพารามิเตอร์แยกกัน และความสัมพันธ์ของขนาดตัวอย่างช่วยสนับสนุนความแม่นยำด้านราคา การวางแผนเงินสำรอง และการตัดสินใจด้านจำนวนกรมธรรม์

การสุ่มตัวอย่างแบบวัง–ลันเดาสำหรับการประมาณความน่าเชื่อถือของโครงข่ายกายภาพ

Thu, 24 Jun 2021 00:00:00 +0000

ปัญหาที่งานวิจัยแก้ไข

การออกแบบระบบสื่อสารและขนส่งที่เชื่อถือได้ต้องประเมินว่าโหนดสำคัญยังเชื่อมต่อกันหรือไม่เมื่อการเชื่อมโยงบางส่วนขัดข้อง การจำลองแบบมาตรฐานทำได้ยากในโครงข่ายขนาดใหญ่หรือมีความน่าเชื่อถือสูง เพราะเหตุการณ์ล้มเหลวพบได้น้อยและการลู่เข้าใช้เวลานานมาก

ผู้ได้รับประโยชน์:

วิศวกรด้านความน่าเชื่อถือของโครงข่าย
ผู้ออกแบบระบบสื่อสารและการขนส่ง
นักวิเคราะห์ความเสี่ยงโครงสร้างพื้นฐาน
นักวิจัยที่พัฒนาวิธีมอนติคาร์โลสำหรับเหตุการณ์หายาก

วิธีการ

งานวิจัยสร้างเอนเซมเบิล Wang–Landau สามแบบ ได้แก่ การเดินบนฟังก์ชันโครงสร้างที่แบ่งเป็นสถานะเชื่อมต่อและไม่เชื่อมต่อ การเดินบนพหุนามความเชื่อถือได้โดยจำแนกตามจำนวนขอบที่ใช้งาน และการเดินในปริภูมิความน่าจะเป็นที่รวมความหนาแน่นสองสถานะกับความน่าจะเป็นการเชื่อมต่อเฉลี่ย จากนั้นเปรียบเทียบความแม่นยำและต้นทุนกับโครงข่ายสะพาน โครงข่ายบันได 17 ขอบ และโครงข่ายโดเดคาฮีดรอน 30 ขอบ โดยใช้ความน่าจะเป็นที่ขอบทำงานตั้งแต่ 0.8 ถึง 0.999 จำลองอิสระ 30 รอบ และสูงสุด 10^8 การทดลองมอนติคาร์โล พร้อมทดสอบการปรับแบบ 1/t สำหรับวิธีปริภูมิความน่าจะเป็นบนโครงข่ายโดเดคาฮีดรอน

ผลการศึกษา

การเดินบนฟังก์ชันโครงสร้างใช้ได้เฉพาะเมื่อความเชื่อถือได้ไม่สูงมาก และล้มเหลวเมื่อรูปแบบที่ไม่เชื่อมต่อพบได้น้อยเกินไป วิธีพหุนามและวิธีปริภูมิความน่าจะเป็นให้ผลแม่นยำกับโครงข่ายสะพานและบันได แต่สำหรับโครงข่ายบันได วิธีปริภูมิความน่าจะเป็นใช้ประมาณ 4.07 x 10^4 การทดลอง เทียบกับ 347.98 x 10^4 สำหรับวิธีพหุนาม สำหรับโดเดคาฮีดรอนที่มี 2^30 สถานะ มีเพียงวิธีปริภูมิความน่าจะเป็นแบบ 1/t ที่ให้ค่าประมาณภายในขีดจำกัดการรัน โดยได้ 3.6509 x 10^-2 เมื่อ p = 0.8 และ 2.7279 x 10^-3 เมื่อ p = 0.9 อย่างไรก็ตาม ความแปรปรวนสูงทำให้ความแม่นยำลดลงที่ p = 0.95 วิธีนี้สุ่มเพียง 0.093% ของโครงข่ายย่อยทั้งหมด จึงแสดงทั้งประสิทธิภาพและความจำเป็นของเทคนิคลดความแปรปรวนเมื่อความเชื่อถือได้สูงมาก

อัลกอริทึม 1/t ที่ใช้ความหนาแน่นสองสถานะสำหรับประมาณปริพันธ์หลายมิติ

Wed, 01 Nov 2017 00:00:00 +0000

ปัญหาที่งานวิจัยแก้ไข

ปริพันธ์หลายมิติที่มียอดแหลมมีบริเวณหายากซึ่งตัวเดินสุ่มเข้าถึงและออกจากบริเวณนั้นได้ยาก การแบ่งความหนาแน่นของสถานะแบบเดิมยังต้องใช้หลายช่วงและต้องทราบขอบเขตการอินทิเกรต ทำให้ใช้เวลาคำนวณสูงและเกิดการอิ่มตัวของความคลาดเคลื่อน

ผู้ได้รับประโยชน์:

นักฟิสิกส์เชิงคำนวณ
นักวิจัยด้านการอินทิเกรตเชิงตัวเลข
นักวิทยาศาสตร์ที่วิเคราะห์ฟังก์ชันหลายมิติซึ่งมียอดแหลม
ผู้พัฒนาการจำลองที่ต้องการลดต้นทุนมอนติคาร์โล

วิธีการ

หลังสุ่มตัวอย่างเบื้องต้นจำนวนเล็กน้อย วิธีนี้เลือกเกณฑ์ y_s ที่เข้าถึงได้ในบริเวณที่มีความหนาแน่นสูง แล้วแบ่งปริภูมิ y เป็นเพียงสองสถานะ คือ y < y_s และ y >= y_s จากนั้นใช้การเดินสุ่ม 1/t ตามปกติระหว่างสองสถานะ พร้อมปรับค่าเฉลี่ยภายในสถานะ จึงไม่ต้องแบ่งช่วงคงที่ละเอียดหรือกำหนด y_min และ y_max งานวิจัยทดสอบปริพันธ์เกาส์เซียนหลายตัวแปรตั้งแต่หนึ่งถึงหกมิติ ปริพันธ์วงแหวนเกาส์เซียนตั้งแต่สองถึงหกมิติ และปริพันธ์แผนภาพไฟน์แมนแบบ setting-sun ด้วยการจำลองอิสระ 50 ครั้งและ N_final = 10^8

ผลการศึกษา

วิธีสองสถานะให้ค่าที่แม่นยำในการทดสอบเกาส์เซียนทุกกรณีถึงหกมิติ โดยได้ 0.9995586 สำหรับเกาส์เซียน 6D และ 0.9992425 สำหรับวงแหวนเกาส์เซียน 6D ขณะที่วิธี 1/t แบบหลายช่วงเยี่ยมไม่ครบทุกสถานะในการทดสอบเกาส์เซียน 5D และ 6D ภายใน 10^8 การทดลอง สำหรับตัวอย่าง setting-sun ค่าประมาณ 1.594486 x 10^9 ใกล้เคียงกับวิธีควอดราเจอร์แบบปรับตัวที่ 1.596160 x 10^9 แต่มอนติคาร์โลพื้นฐานให้เพียง 4.041376 x 10^7 ความคลาดเคลื่อนลดลงตามอัตรา N^(-1/2) โดยไม่เกิดการอิ่มตัว

การขจัดผลกระทบจากความกว้างของช่วงของอัลกอริทึม 1/t สำหรับการอินทิเกรตเชิงตัวเลขหลายมิติ

Wed, 01 Jun 2016 00:00:00 +0000

ปัญหาที่งานวิจัยแก้ไข

อัลกอริทึมมอนติคาร์โล 1/t แบบเดิมอาจหยุดพัฒนา เพราะใช้ค่าคงที่เพียงค่าเดียวแทนทุกจุดภายในช่วงของฮิสโตแกรม ผลจากความกว้างของช่วงนี้ก่อให้เกิดความคลาดเคลื่อนที่คงอยู่และทำให้การอินทิเกรตหลายมิติไม่ลู่เข้าอย่างน่าเชื่อถือ

ผู้ได้รับประโยชน์:

นักวิเคราะห์เชิงตัวเลข
นักฟิสิกส์เชิงคำนวณและวิศวกร
นักวิจัยที่ใช้การอินทิเกรตแบบมอนติคาร์โล
ผู้พัฒนาซอฟต์แวร์จำลองหลายมิติ

วิธีการ

วิธีที่เสนอแทนจุดกึ่งกลางคงที่ของแต่ละช่วงด้วยค่าเฉลี่ยสะสมของค่า y ที่สุ่มได้ภายในช่วงนั้น และปรับค่าเฉลี่ยระหว่างการจำลอง 1/t ทำให้ค่าปริพันธ์ดีขึ้นตามจำนวนตัวอย่างมอนติคาร์โล งานวิจัยแยกองค์ประกอบความคลาดเคลื่อนเพื่อพิสูจน์ว่าวิธีเดิมมีเศษคงเหลือจากความกว้างของช่วง แต่ความคลาดเคลื่อนของวิธีใหม่ลู่เข้าสู่ศูนย์ด้วยอัตรา N^(-1/2) จากนั้นทดสอบกรณีที่ทราบค่าจริงตั้งแต่หนึ่งถึงหกมิติ ด้วยการจำลองอิสระ 50 ครั้งและหลายค่าความกว้างของช่วง

ผลการศึกษา

ค่าประมาณจากวิธีใหม่ลู่เข้าสู่ค่าปริพันธ์จริงโดยไม่เกิดการอิ่มตัวของความคลาดเคลื่อน แม้ใช้ช่วงที่ค่อนข้างกว้าง ในการทดสอบหนึ่งมิติที่ dy = 0.1 ความคลาดเคลื่อนสัมบูรณ์ต่ำกว่าวิธี 1/t เดิม 77.51 เท่า และในการทดสอบสามมิติที่ dy = 1 ต่ำกว่าประมาณ 89,732 เท่า ความคลาดเคลื่อนยังคงลดลงตามอัตรา N^(-1/2) จึงสามารถใช้ช่วงที่กว้างขึ้นและลดเวลาคำนวณได้มาก

วิธี 1/t ที่ปรับปรุงแล้วสำหรับการหาปริพันธ์เชิงตัวเลขของฟังก์ชันที่คำนวณได้ยาก

Thu, 20 Mar 2014 00:00:00 +0000

ปัญหาที่งานวิจัยแก้ไข

การสุ่มมอนติคาร์โลทั่วไปอาจไม่พบพื้นที่แคบที่ฟังก์ชันมียอดสูงมาก จึงประเมินปริพันธ์ที่คำนวณยากต่ำกว่าความเป็นจริงอย่างมาก แม้อัลกอริทึม 1/t แบบเดิมสำรวจพื้นที่ดังกล่าวได้ดีขึ้น แต่การใช้ค่าคงที่แทนแต่ละช่วงทำให้เกิดความคลาดเคลื่อนจากความกว้างช่วงและเกิดภาวะความคลาดเคลื่อนอิ่มตัว

ผู้ได้รับประโยชน์:

นักวิทยาศาสตร์เชิงคำนวณที่ประเมินปริพันธ์หลายมิติซึ่งคำนวณได้ยาก
นักวิจัยด้านมอนติคาร์โลและความหนาแน่นของสถานะ
นักคณิตศาสตร์ประยุกต์ที่ศึกษาการลู่เข้าเชิงตัวเลข
นักวิเคราะห์ฟิสิกส์และวิศวกรรมที่ทำงานกับฟังก์ชันยอดแหลม

วิธีการ

ตัวประมาณที่เสนอคงการเดินสุ่มแบบ 1/t ไว้เพื่อประมาณความหนาแน่นของสถานะ g(y) แต่แทนค่าคงที่ประจำแต่ละช่วงในปริภูมิ y ด้วยค่าเฉลี่ยของค่าฟังก์ชันที่สุ่มพบจริงภายในช่วงนั้นและปรับค่าอย่างต่อเนื่อง ค่าปริพันธ์จึงประมาณจากผลรวมของ g(y) คูณค่าเฉลี่ยภายในช่วง งานวิจัยทดสอบกับปริพันธ์เกาส์เซียนยอดแหลมหนึ่ง สอง และสามมิติ โดยกำหนดค่าเฉลี่ยเป็นศูนย์ ส่วนเบี่ยงเบนมาตรฐานเท่ากับรากที่สองของ 0.4 และโดเมน [-10, 10] ในแต่ละมิติ จากนั้นเปรียบเทียบการสุ่มอย่างง่าย อัลกอริทึม 1/t แบบเดิม และวิธีที่เสนอภายใต้ความกว้างช่วงสี่ระดับ การทดลอง 10^10 ครั้งต่อรอบ และการจำลองอิสระ 50 ชุด โดยใช้ค่าปริพันธ์จริงและความคลาดเคลื่อนเชิงสัดส่วน

ผลการศึกษา

การสุ่มอย่างง่ายประเมินปริพันธ์ยอดแหลมต่ำกว่าความเป็นจริงอย่างมาก ขณะที่ค่าประมาณจาก 1/t แบบเดิมยังไวต่อความกว้างช่วงและเกิดภาวะความคลาดเคลื่อนอิ่มตัว เมื่อใช้ความกว้างช่วง 0.0005 วิธีที่เสนอให้ค่าประมาณกรณีหนึ่ง สอง และสามมิติเท่ากับ 1.585321, 2.513090 และ 3.984088 ซึ่งใกล้ค่าจริง 1.585331, 2.513274 และ 3.984371 ตามลำดับ ความคลาดเคลื่อนลดลงโดยประมาณตาม N^-1/2 โดยไม่อิ่มตัว และเมื่อความแม่นยำไม่ถูกกำหนดด้วยความกว้างช่วงแล้ว จึงใช้ช่วงที่กว้างเพื่อเข้าถึงทุกสถานะได้เร็วขึ้นและลดภาระการคำนวณ