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.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
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.
- Bootstrap-simuleringSimulering↔ compare
- Markov Chain Monte Carlo (MCMC)Simulering↔ compare
- Monte Carlo-simuleringBeslutningstagning↔ compare
- Stokastiske Differentialligninger (SDE'er)Simulering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →