Dispersijas samazināšanas paņēmieni Monte Karlo simulācijai
Paļaušanās uz nejaušiem zīmējumiem ir metožu saime, kas uzlabo Monte Carlo simulācijas efektivitāti, panākot tādu pašu novērtējuma precizitāti ar mazāku nejaušu zīmējumu skaitu. Pakāpeniski izstrādātas kopš 1950. gadiem — pretēji variantiem, ko piedēvē Hammersley un Morton, kontrolvariantiem, ko formalizēja Lavenberg un Welch, un nozīmes izlasei, kas sakņojas pie Kahn un Marshall — šī saime ietver pretējos variantus (AV), kontrolvariantius (CV), nozīmes izlasi (IS) un stratifikāciju, katra izmantojot atšķirīgu mērķa daudzuma strukturālo īpašību, lai samazinātu novērtētāja dispersiju, neieviešot novirzi.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/lv/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 simulācijaSimulācija↔ compare
- Markov Chain Monte Carlo (MCMC)Simulācija↔ compare
- Monte Carlo simulācijaLēmumu pieņemšana↔ compare
- Stohastiskās diferenciālvienādojumi (SDV)Simulācija↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →