Dependent Samples in Empirical Estimation of Stochastic Programming Problems

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60076658%3A12220%2F06%3A00007075" target="_blank" >RIV/60076658:12220/06:00007075 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Dependent Samples in Empirical Estimation of Stochastic Programming Problems

Original language description

Stochastic optimization models are built with the assumption that the underlying probability measure is entirely know. This is not true in practice, however: empirical approximation or estimates are used instead. The question then arises if such inaccuracy does not perturb resulting solutions and optimal values. We measure the "distance" between the probability distributions by suitable metrics on the space of probability measures.

Czech name

Závislé vzorky v empirických odhadech úloh stochastického programování

Czech description

Stochastické optimalizační modely jsou vytvářeny na základě předpokladu úplné znalosti související pravděpodobnostní míry. To není v praxi splněno, neboť místo skutečné míry se používají empirické aproximace či odhady. Klademe si pak otázku, zda tato odchylka nezpůsobí chyby ve výsledných řešeních a optimálních hodnotách. "Vzdálenost" mezi pravděpodobnostními mírami se měří vhodnými metrikami na prostoru pravděpodobnostních měr. Je známo, že za určitých předpokladů je stabilita stochastických optimalizačních modelů zaručena vzhledem k vybrané metrice, a dále, empirický odhad neznámého rozdělení má vhodné konvergenční vlastnosti, v to počítaje i dostatečnou rychlost konvergence. V případě Kolmogorovovy metriky je známá rychlost konvergence, pokud je výběr z nezávislých a spojitě rozdělených náhodných veličin. V případě Wassersteinovy (Mallowsovy) metriky, rovnoměrného rozdělení a výběru z nezávislých veličin je rychlost konvergence stejná jako v případě tradičního rovnoměrnéh

Type

J_x - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)

CEP classification

BB - Applied statistics, operational research

OECD FORD branch

—

Project

—

Continuities

S - Specificky vyzkum na vysokych skolach

Publication year

2006

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Name of the periodical

Austrian Journal of Statistics, 2006, vol. 35, no.2&3

ISSN

1026-597X

e-ISSN

—

Volume of the periodical

35

Issue of the periodical within the volume

2-3

Country of publishing house

AT - AUSTRIA

Number of pages

9

Pages from-to

271-279

UT code for WoS article

—

EID of the result in the Scopus database

—