Τεχνικές Μείωσης Διακύμανσης για Προσομοίωση Monte Carlo
Οι τεχνικές μείωσης διακύμανσης είναι μια οικογένεια μεθόδων που βελτιώνουν την αποδοτικότητα της προσομοίωσης Monte Carlo, επιτυγχάνοντας την ίδια ακρίβεια εκτίμησης με λιγότερες τυχαίες κληρώσεις. Αναπτύχθηκαν σταδιακά από τη δεκαετία του 1950 και μετά — με τις αντίθετες μεταβλητές (antithetic variates) να αποδίδονται στους Hammersley και Morton, τις μεταβλητές ελέγχου (control variates) να τυποποιούνται από τους Lavenberg και Welch, και τη δειγματοληψία σημασίας (importance sampling) να έχει τις ρίζες της στους Kahn και Marshall — η οικογένεια περιλαμβάνει αντίθετες μεταβλητές (AV), μεταβλητές ελέγχου (CV), δειγματοληψία σημασίας (IS) και στρωματοποίηση, καθεμία από τις οποίες εκμεταλλεύεται μια διαφορετική δομική ιδιότητα της ποσότητας-στόχου για να μειώσει τη διακύμανση του εκτιμητή χωρίς να εισάγει μεροληψία.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/el/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.
- Προσομοίωση BootstrapΠροσομοίωση↔ compare
- Μέθοδοι Markov Chain Monte Carlo (MCMC)Προσομοίωση↔ compare
- Προσομοίωση Monte CarloΛήψη Αποφάσεων↔ compare
- Στοχαστικές Διαφορικές Εξισώσεις (ΣΔΕ)Προσομοίωση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →