Techniky redukce rozptylu pro simulace Monte Carlo
Techniky redukce rozptylu představují soubor metod, které zlepšují efektivitu simulací Monte Carlo dosažením stejné přesnosti odhadu s menším počtem náhodných výběrů. Tyto techniky, vyvíjené postupně od 50. let 20. století – s antithetickými variátami připisovanými Hammersleymu a Mortonovi, kontrolními variátami formalizovanými Lavenbergem a Welchem a výběrem podle sdruženého rozdělení (importance sampling) vycházejícím z Kahna a Marshalla – zahrnují antithetické variáty (AV), kontrolní variáty (CV), výběr podle sdruženého rozdělení (IS) a stratifikaci, přičemž každá využívá jinou strukturální vlastnost cílové veličiny ke snížení rozptylu odhadu bez zavedení vychýlení.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/cs/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.
- Simulace bootstrapSimulace↔ compare
- Markov Chain Monte Carlo (MCMC)Simulace↔ compare
- Simulace Monte CarloRozhodování↔ compare
- Stochastické diferenciální rovnice (SDE)Simulace↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →