Question

我想使用Quasi Monte Carlo来尝试改善我正在运行的模拟的收敛性。

随机数只是为标准线性回归模型产生观察误差。然后使用许多不同的回归技术估计。这是重复完成的，以估计每个模型的均方误差。

我对Quasi Monte Carlo相当新，但在这种情况下我很可能会帮助我生成10k随机数。看来通常我可以期待（1 / n）的顺序更快收敛而不是n ^（ - 0.5）：

然而，它还指出QMC数字并非真正随机，所以我只想知道对于我可能希望在结果上运行的任何统计测试可能会有什么影响。

1。）我想我想知道的是MC v QMC的优点和缺点。（如果可用，你会一直想使用QMC吗？） 2.）我可以使用哪些测试来确定哪种测试最适合我的应用？（似乎任何依赖于真正随机数的测试都会失败？）

我知道这可以在Matlab中使用

完成

q = qrandstream('halton',NSteps,'Skip',1e3,'Leap',1e2); 
RandMat = qrand(q,NRepl); 
z_RandMat = norminv(RandMat,0,1);

取自本文。

似乎还有其他低差异数字，例如Matlab中可用的Sobol序列，我想再次知道我可以使用哪些测试来确定哪种测试最适合我的情况。

巴兹