Methodenbewijsdossier

Variance Reduction for Monte Carlo

Variance reduction techniques are a family of methods that improve the efficiency of Monte Carlo simulation by achieving the same estimation accuracy with fewer random draws. Developed incrementally from the 1950s onward — with antithetic variates attributed to Hammersley and Morton, control variates formalised by Lavenberg and Welch, and importance sampling rooted in Kahn and Marshall — the family includes antithetic variates (AV), control variates (CV), importance sampling (IS), and stratification, each exploiting a different structural property of the target quantity to lower estimator variance without introducing bias.

Sources recorded, not reviewed

Bronrecord

Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.

Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS)

Taxonomisch methodendossier · process-pipeline / simulation

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

Volledige methode openen

Gecureerde claims

Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.

Nog geen gecureerde claims

Deze weergave verzint geen claimbeoordeling als het register er geen heeft.

Gerelateerde methoden

Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.

Same method familyBootstrap Simulationmachine-suggested · Relational suggestion, not evidence.Same method familyMarkov Chain Monte Carlomachine-suggested · Relational suggestion, not evidence.See alsoMONTE-CARLO-SIMULATIONmachine-suggested · Relational suggestion, not evidence.Same method familyStochastic Differential Equationsmachine-suggested · Relational suggestion, not evidence.