Muestreo por importancia — Reducción de varianza para eventos raros
El muestreo por importancia es una técnica de reducción de varianza de Monte Carlo que desplaza la distribución de muestreo hacia la región de interés — típicamente un evento raro o extremo — de modo que se extraen muestras informativas con mucha mayor frecuencia que bajo la distribución original. Desarrollada en la RAND Corporation por Herman Kahn y Theodore Harris alrededor de 1951, hace que la estimación de probabilidades de cola (como el Valor en Riesgo o la probabilidad de fallo del sistema) sea tratable donde el Monte Carlo estándar requeriría un número astronómicamente grande de ejecuciones.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Rubinstein, R.Y. & Kroese, D.P. (2016). Simulation and the Monte Carlo Method (3rd ed.). Wiley. DOI: 10.1002/9781118631980 ↗
- Glasserman, P. (2003). Monte Carlo Methods in Financial Engineering. Springer. DOI: 10.1007/978-0-387-21617-1 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Importance Sampling (Variance Reduction Monte Carlo). ScholarGate. https://scholargate.app/es/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.
- Teoría de Valores Extremos (EVT)Finanzas↔ compare
- Muestreo de Hipercubo LatinoSimulación↔ compare
- Simulación de Monte CarloToma de decisiones↔ compare
- Muestreo EstratificadoMetodología de encuestas↔ compare
- Valor en Riesgo (VaR)Finanzas↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →