ScholarGate
Assistent
Process / pipeline

Metoder til reduktion af varians for Monte Carlo-simulering

Metoder til reduktion af varians er en familie af metoder, der forbedrer effektiviteten af Monte Carlo-simulering ved at opnå den samme estimeringsnøjagtighed med færre tilfældige træk. Udviklet gradvist fra 1950'erne og frem — med antitetiske variater tilskrevet Hammersley og Morton, kontrolvariater formaliseret af Lavenberg og Welch, og vigtighedssampling rodfæstet i Kahn og Marshall — omfatter familien antitetiske variater (AV), kontrolvariater (CV), vigtighedssampling (IS) og stratificering, som hver udnytter en forskellig strukturel egenskab ved den ønskede størrelse til at sænke estimatorens varians uden at introducere bias.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Ross, S.M. (2012). Simulation (5th ed.). Academic Press. ISBN: 978-0124158252
  2. Glasserman, P. (2003). Monte Carlo Methods in Financial Engineering. Springer. DOI: 10.1007/978-0-387-21617-1

Sådan citerer du denne side

ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/da/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.

Compare side by side

Refereret af

ScholarGateVariance Reduction for Monte Carlo (Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS)). Hentet 2026-06-15 fra https://scholargate.app/da/simulation/variance-reduction-mc · Datasæt: https://doi.org/10.5281/zenodo.20539026