몬테카를로 시뮬레이션을 위한 분산 감소 기법
분산 감소 기법은 적은 수의 무작위 추출로 동일한 추정 정확도를 달성함으로써 몬테카를로 시뮬레이션의 효율성을 향상시키는 방법들의 집합입니다. 1950년대 이후 점진적으로 개발되었으며, 반대 변량(antithetic variates)은 Hammersley와 Morton에게, 제어 변량(control variates)은 Lavenberg와 Welch에 의해 형식화되었고, 중요도 추출(importance sampling)은 Kahn과 Marshall에 뿌리를 두고 있습니다. 이 기법들은 반대 변량(AV), 제어 변량(CV), 중요도 추출(IS), 계층화(stratification)를 포함하며, 각각 편향을 도입하지 않고 추정량의 분산을 낮추기 위해 목표 수량의 다른 구조적 속성을 활용합니다.
방법 전문 읽기
무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/ko/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.
- 부트스트랩 시뮬레이션시뮬레이션↔ compare
- Markov Chain Monte Carlo (MCMC)시뮬레이션↔ compare
- 몬테카를로 시뮬레이션의사결정↔ compare
- 확률 미분 방정식 (Stochastic Differential Equations, SDEs)시뮬레이션↔ compare