Tehnike smanjenja varijance za Monte Carlo simulaciju
Tehnike smanjenja varijance obitelj su metoda koje poboljšavaju učinkovitost Monte Carlo simulacije postizanjem iste točnosti procjene s manje slučajnih izvlačenja. Razvijane postupno od 1950-ih nadalje — s antitetičkim varijacijama koje se pripisuju Hammersleyu i Mortonu, kontrolnim varijacijama formaliziranima od strane Lavenberga i Welcha, te uzorkovanjem po važnosti ukorijenjenim u Kahna i Marshalla — obitelj uključuje antitetičke varijacije (AV), kontrolne varijacije (CV), uzorkovanje po važnosti (IS) i stratifikaciju, od kojih svaka iskorištava različito strukturno svojstvo ciljne veličine za smanjenje varijance procjenitelja bez uvođenja pristranosti.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/hr/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.
- Simulacija pokretanjaSimulacija↔ compare
- Markov Chain Monte Carlo (MCMC)Simulacija↔ compare
- Simulacija Monte CarloDonošenje odluka↔ compare
- Stohastičke diferencijalne jednadžbe (SDE)Simulacija↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →