R蒙特卡罗停止准则

你们能帮我了解一下平均值的标准误差（sem）值中的哪一个：sem或semm更适合估计蒙特卡罗模拟和实际平均值的接近程度

我的意思是，我必须使用观察值计算sem，还是每次观察后使用平均值计算semm

#some data
    x <- c(10,9,8,7,6,5,4,3,2,1,10,9,8,7,6,5,4,3,2,1,10,9,8,7,6,5,4,3,2,1,10,9,8,7,6,5,4,3,2,1)
    x_means <- c()
    sem <- c()
    semm <- c()

    for(i in 1:length(x))
    {
      x_means <- c(x_means, mean(x[1:i]))
      sem <- c(sem, sd(x)/sqrt(i))
      semm <- c(semm, sd(x_means)/sqrt(i))
    }

#一些数据
代码中的xsem使用了所有模拟值，因此停止决策甚至不可行。我猜你对sem的意思是

sd(x[1:i])/sqrt(i)

如果是这样，sem是正确的选择

对于i.i.d.Y_k的重复随机观测，我们对E[Y_k]感兴趣。每个增量的明显估计量是X_k=（1/k）（Y_1+…+Y_k），我们要评估每个k的X_k的精度。一个明显的选择是X_k的样本标准偏差，即sqrt（1/（k-1）*和（Y_i-X_k）^2）。我们可以按如下方式实现这一点

y <- NULL
precision <- 1
while (precision > 0.01){
  y <- c(y,rnorm(1)) # your own Monte-Carlo here, for this example, I chose trivial one
  precision <- sd(y)/sqrt(length(y)-1)
  if (is.na(precision)) precision <- 1
}

y是的，我的意思是sd（x[1:I]）/sqrt（I），所以平均值的标准误差使用样本数据，而不是每次观察后的平均值？没错。您需要评估平均值的精度。不是手段流的平均数。