טכניקות להפחתת שונות בסימולציית מונטה קרלו
טכניקות להפחתת שונות הן משפחה של שיטות המשפרות את היעילות של סימולציית מונטה קרלו על ידי השגת אותה דיוק אומדן עם פחות דגימות אקראיות. פותחו באופן הדרגתי משנות ה-50 ואילך — כאשר וריאנטים אנטי-תטיים (antithetic variates) מיוחסים להמרסלי ומורטון, וריאנטים מבקרים (control variates) פורמלו על ידי לאבנברג וולש, ודגימת חשיבות (importance sampling) מושרשת בקאהן ומרשל — המשפחה כוללת וריאנטים אנטי-תטיים (AV), וריאנטים מבקרים (CV), דגימת חשיבות (IS), ושכבות (stratification), כאשר כל אחת מנצלת תכונה מבנית שונה של הכמות המטרה כדי להפחית את שונות האומדן מבלי להכניס הטיה.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/he/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.
- סימולציית Bootstrapסימולציה↔ compare
- Markov Chain Monte Carlo (MCMC)סימולציה↔ compare
- סימולציית מונטה קרלוקבלת החלטות↔ compare
- משוואות דיפרנציאליות סטוכסטיות (SDEs)סימולציה↔ compare