Echantillonnage Efficace et Métamodélisation pour les Modèles Economiques de Simulation Informatique Résumé L'exploration des modèles de simulation informatique s'effectue au prix d'un coût en termes de temps de calcul d'autant plus élevé que le modèle comporte un grand nombre de paramètres. L'approche la plus courante en économie repose sur une exploration aléatoire, notamment grâce à des simulations Monte Carlo, et des outils de modélisation économétrique basiques pour approximer les propriétés des modèles de simulation informatique. Cette contribution a pour but d'expliquer comment utiliser une méthode beaucoup plus parcimonieuse, fondée sur un échantillonnage efficace de l'espace des paramètres-un plan d'expériences, associée à un métamodel approprié-un modèle de krigeage. Nous analysons deux modèles économiques simples en utilisant cette approche pour illustrer les possibilités que cette dernière offre. Notre annexe fournit un fragment de code informatique du logiciel R-project qui peut être utilisé pour appliquer cette approche à d'autres modèles.
Echantillonnage Efficace et Métamodélisation pour les Modèles Economiques de Simulation Informatique Résumé L'exploration des modèles de simulation informatique s'effectue au prix d'un coût en termes de temps de calcul d'autant plus élevé que le modèle comporte un grand nombre de paramètres. L'approche la plus courante en économie repose sur une exploration aléatoire, notamment grâce à des simulations Monte Carlo, et des outils de modélisation économétrique basiques pour approximer les propriétés des modèles de simulation informatique. Cette contribution a pour but d'expliquer comment utiliser une méthode beaucoup plus parcimonieuse, fondée sur un échantillonnage efficace de l'espace des paramètres-un plan d'expériences, associée à un métamodel approprié-un modèle de krigeage. Nous analysons deux modèles économiques simples en utilisant cette approche pour illustrer les possibilités que cette dernière offre. Notre annexe fournit un fragment de code informatique du logiciel R-project qui peut être utilisé pour appliquer cette approche à d'autres modèles.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.