Analytic approximations for computing probit choice probabilities
Analytic approximations for computing probit choice probabilities
复制标题
计算概率选择概率的解析近似
DOI：
10.1080/18128602.2012.702794
复制
发表时间：
2012
期刊：
影响因子：
--
通讯作者：
Connors R
中科院分区：
文献类型：
--
作者：
Connors R
多项式概率模型长期以来一直在运输应用中用作计算网络流中的模式和路线选择的基础，以及在估计偏好参数时在其他选择环境中的基础。众所周知，概率选择概率的计算带来了巨大的计算负担，因为它们基于多元正态积分。计算这些选择概率的方法有多种，但最常用的是标准蒙特卡洛方法。在本文中，我们将两种解析近似方法（Mendell-Elston 和 Solow-Joe）与三种用于计算概率选择概率的蒙特卡洛方法进行比较。我们系统地研究了各种参数设置，并报告了每种方法的准确性和计算效率。研究结果表明，最优排序的 Mendell-Elston 解析近似方法的准确性和效率为更广泛的应用提供了巨大的潜力。
The multinomial probit model has long been used in transport applications as the basis for mode- and route-choice in computing network flows, and in other choice contexts when estimating preference parameters. It is well known that computation of the probit choice probabilities presents a significant computational burden, since they are based on multivariate normal integrals. Various methods exist for computing these choice probabilities, though standard Monte Carlo is most commonly used. In this article we compare two analytical approximation methods (Mendell–Elston and Solow–Joe) with three Monte Carlo approaches for computing probit choice probabilities. We systematically investigate a wide range of parameter settings and report on the accuracy and computational efficiency of each method. The findings suggest that the accuracy and efficiency of an optimally ordered Mendell–Elston analytic approximation method offers great potential for wider use.
登录
查看更多内容
DOI：
--
发表时间：
2007
期刊：
影响因子：
--
作者：
Yamamoto;et al.
通讯作者：
et al.
影响因子：
0.8
作者：
Lung-fei Lee
通讯作者：
Lung-fei Lee
多项概率模型中估计选择概率的改进算法
影响因子：
4.6
作者：
M. Langdon
通讯作者：
M. Langdon
十一、数学对进化论的贡献——论自然选择对器官变异性和相关性的影响。
影响因子：
--
作者：
K. Pearson
通讯作者：
K. Pearson
影响因子：
1.9
作者：
STIRATELLI, R;LAIRD, N;WARE, JH
通讯作者：
WARE, JH