Varianssin pienentämisen tekniikat Monte Carlo -simulaatioon
Varianssin pienentämisen tekniikat ovat joukko menetelmiä, jotka parantavat Monte Carlo -simulaation tehokkuutta saavuttamalla saman estimointitarkkuuden pienemmällä määrällä satunnaisia otoksia. Kehittyneet asteittain 1950-luvulta lähtien – antitetiiviset varianssit (antithetic variates) liitetään Hammersleyhin ja Mortoniin, kontrollivarianssit (control variates) formalisoivat Lavenberg ja Welch, ja tärkeysotanta (importance sampling) juontaa juurensa Kahniin ja Marshalliin – perheeseen kuuluvat antitetiiviset varianssit (AV), kontrollivarianssit (CV), tärkeysotanta (IS) ja stratifikaatio, joista kukin hyödyntää kohdemäärän eri rakenteellista ominaisuutta vähentääkseen estimaattorin varianssia ilman harhan lisäämistä.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/fi/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-simulaatio – empiirinen uudelleennäytteistys tilastolliseen päättelyynSimulointi↔ compare
- Markov Chain Monte Carlo (MCMC)Simulointi↔ compare
- MONTE-CARLO-SIMULATIONPäätöksenteko↔ compare
- Stokastiset differentiaaliyhtälöt (SDE:t)Simulointi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →