نمونهگیری اهمیت — کاهش واریانس برای رویدادهای نادر
نمونهگیری اهمیت یک تکنیک کاهش واریانس مونت کارلو است که توزیع نمونهگیری را به سمت ناحیه مورد علاقه — معمولاً یک رویداد نادر یا شدید — تغییر میدهد، به طوری که نمونههای آموزنده بسیار بیشتر از توزیع اصلی گرفته میشوند. این روش که در حدود سال ۱۹۵۱ توسط هرمان کان و تئودور هریس در شرکت RAND توسعه یافت، تخمین احتمال دم (مانند ارزش در معرض خطر یا احتمال شکست سیستم) را در مواردی که مونت کارلو استاندارد به تعداد نجومی اجرای لازم دارد، قابل مدیریت میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Importance Sampling (Variance Reduction Monte Carlo). ScholarGate. https://scholargate.app/fa/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.
- نظریه مقادیر حدی (EVT)مالی↔ compare
- Latin Hypercube Samplingشبیهسازی↔ compare
- شبیهسازی مونت کارلوتصمیمگیری↔ compare
- نمونهگیری طبقهایروششناسی پیمایش↔ compare
- ارزش در معرض ریسک (VaR)مالی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →