Importance Sampling — Variatiereductie voor Zeldzame Gebeurtenissen
Importance sampling is een Monte Carlo-techniek voor variatiereductie die de steekproefverdeling verschuift naar het interessegebied – doorgaans een zeldzame of extreme gebeurtenis – zodat informatieve steekproeven veel vaker worden getrokken dan onder de oorspronkelijke verdeling. Ontwikkeld bij de RAND Corporation door Herman Kahn en Theodore Harris rond 1951, maakt het de schatting van staartkansen (zoals Value-at-Risk of systeemfaalkans) haalbaar waar standaard Monte Carlo een astronomisch groot aantal runs zou vereisen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Importance Sampling (Variance Reduction Monte Carlo). ScholarGate. https://scholargate.app/nl/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.
- Extreemwaardetheorie (EVT)Financiering↔ compare
- Latin Hypercube SamplingSimulatie↔ compare
- Monte Carlo SimulatieBesluitvorming↔ compare
- Gestratificeerde steekproeftrekkingSurveymethodologie↔ compare
- Waarde in GevaarFinanciering↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →