Tècniques de reducció de variància per a simulació Monte Carlo
Les tècniques de reducció de variància són una família de mètodes que milloren l'eficiència de la simulació Monte Carlo aconseguint la mateixa precisió d'estimació amb menys mostres aleatòries. Desenvolupades de manera incremental a partir de la dècada de 1950 —amb els variats antitètics atribuïts a Hammersley i Morton, els variats de control formalitzats per Lavenberg i Welch, i el mostreig per importància arrelat en Kahn i Marshall— la família inclou variats antitètics (AV), variats de control (CV), mostreig per importància (IS) i estratificació, cadascun explotant una propietat estructural diferent de la quantitat objectiu per reduir la variància de l'estimador sense introduir biaix.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Ross, S.M. (2012). Simulation (5th ed.). Academic Press. ISBN: 978-0124158252
- Glasserman, P. (2003). Monte Carlo Methods in Financial Engineering. Springer. DOI: 10.1007/978-0-387-21617-1 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/ca/simulation/variance-reduction-mc
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Simulació BootstrapSimulació↔ compare
- Cadena de Markov de Monte Carlo (MCMC)Simulació↔ compare
- Simulació Monte CarloPresa de decisions↔ compare
- Equacions diferencials estocàstiques (EDE)Simulació↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →