Process / pipeline

Δειγματοληψία Σημαντικότητας — Μείωση Διακύμανσης για Σπάνια Γεγονότα

Η δειγματοληψία σημαντικότητας είναι μια τεχνική μείωσης της διακύμανσης Monte Carlo που μετατοπίζει την κατανομή δειγματοληψίας προς την περιοχή ενδιαφέροντος — συνήθως ένα σπάνιο ή ακραίο γεγονός — έτσι ώστε να λαμβάνονται πληροφοριακά δείγματα πολύ συχνότερα από ό,τι υπό την αρχική κατανομή. Αναπτύχθηκε στην RAND Corporation από τους Herman Kahn και Theodore Harris γύρω στο 1951, καθιστά εφικτή την εκτίμηση πιθανότητας ουράς (όπως η Value-at-Risk ή η πιθανότητα αστοχίας συστήματος) όπου η τυπική Monte Carlo θα απαιτούσε έναν αστρονομικά μεγάλο αριθμό εκτελέσεων.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

Πηγές

  1. Rubinstein, R.Y. & Kroese, D.P. (2016). Simulation and the Monte Carlo Method (3rd ed.). Wiley. DOI: 10.1002/9781118631980
  2. Glasserman, P. (2003). Monte Carlo Methods in Financial Engineering. Springer. DOI: 10.1007/978-0-387-21617-1

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 1). Importance Sampling (Variance Reduction Monte Carlo). ScholarGate. https://scholargate.app/el/simulation/importance-sampling

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

Αναφέρεται από

ScholarGateImportance Sampling (Importance Sampling (Variance Reduction Monte Carlo)). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/simulation/importance-sampling · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026