Exponential Families and Regression in the Monte Carlo Study of Queues and Random Walks
队列与随机游走 Monte Carlo 研究中的指数族和回归方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要涉及队列与随机游走的模拟方法，未说明金融风险、收益预测或其他所列经济计量用途。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
队列与随机游走 Monte Carlo 研究中的指数族和回归方法
- 研究问题
- 如何将用于等待时间概率的重要性抽样扩展至均值和其他泛函，并利用指数族与回归控制变量改善队列模拟效率？
- 方法与思路
- 作者结合队列的指数族构造与控制变量回归，将既有重要性抽样思想扩展至其他目标，并从理论和实际计算两方面进行比较。
- 材料陈述的贡献
- 摘要称，方法相较再生模拟和样本均值估计有显著改进，尤其在重负荷条件下；但摘要未说明改进指标及幅度。
- 阅读关注点
- 应核对抽样分布与权重构造、控制变量选择、目标泛函的适用范围，以及重负荷比较是否统一计算预算和误差衡量标准。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；理论条件、方差或成本数值未提供，所述显著改进是作者陈述，不能据此认定普遍优势。
原文摘要
An importance sampling method studied by Siegmund and Asmussen in the case of waiting time probabilities is extended to the mean and other functionals. The ideas involve exponential families of queues and control variates (regression), and it is found both from theory and practice that the method is dramatically better than standard tools like regenerative simulation or sample-mean estimation, not least under heavy traffic conditions.