Variancia-csökkentési technikák Monte Carlo szimulációhoz
A variancia-csökkentési technikák olyan módszercsaládok, amelyek javítják a Monte Carlo szimuláció hatékonyságát azáltal, hogy kevesebb véletlen mintavétellel érik el ugyanazt a becslési pontosságot. Az 1950-es évektől kezdve fokozatosan fejlődtek ki – az antithetikus variánsokat Hammersley és Morton nevéhez fűződik, a kontrollvariánsokat Lavenberg és Welch formalizálta, az ਇম্পੋਰਟੈਂਸ ਸੈਂਪਲਿੰਗ (importance sampling) pedig Kahn és Marshall munkásságán alapul –, a család tagjai az antithetikus variánsok (AV), a kontrollvariánsok (CV), az ਇম্পੋਰਟੈਂਸ ਸੈਂਪਲਿੰਗ (IS) és a rétegzés (stratification), amelyek mindegyike a célmennyiség eltérő szerkezeti tulajdonságát használja ki az elfogultság bevezetése nélküli becslő variancia csökkentésére.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/hu/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 szimulációSzimuláció↔ compare
- Markov Chain Monte Carlo (MCMC)Szimuláció↔ compare
- MONTE-CARLO-SIMULATIONDöntéshozatal↔ compare
- Sztochasztikus differenciálegyenletek (SDE)Szimuláció↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →