Importance Sampling — Riduzione della Varianza per Eventi Rari
L'importance sampling è una tecnica Monte Carlo di riduzione della varianza che sposta la distribuzione di campionamento verso la regione di interesse — tipicamente un evento raro o estremo — in modo che i campioni informativi siano estratti molto più spesso rispetto alla distribuzione originale. Sviluppata presso la RAND Corporation da Herman Kahn e Theodore Harris intorno al 1951, rende trattabile la stima di probabilità di coda (come il Value-at-Risk o la probabilità di guasto di un sistema) dove il Monte Carlo standard richiederebbe un numero astronomicamente grande di esecuzioni.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Importance Sampling (Variance Reduction Monte Carlo). ScholarGate. https://scholargate.app/it/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.
- Teoria dei Valori Estremi (EVT)Finanza↔ compare
- Latin Hypercube SamplingSimulazione↔ compare
- Simulazione Monte CarloProcesso decisionale↔ compare
- Campionamento StratificatoMetodologia delle indagini↔ compare
- Value at Risk (VaR)Finanza↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →