Technieken voor variantiereductie voor Monte Carlo-simulatie
Variantiereductietechnieken zijn een reeks methoden die de efficiëntie van Monte Carlo-simulatie verbeteren door dezelfde schattingsnauwkeurigheid te bereiken met minder willekeurige trekkingen. Geleidelijk ontwikkeld vanaf de jaren vijftig — met antithese variaten toegeschreven aan Hammersley en Morton, controlevariaten geformaliseerd door Lavenberg en Welch, en belangensampling geworteld in Kahn en Marshall — omvat de familie antithese variaten (AV), controlevariaten (CV), belangensampling (IS) en stratificatie, die elk een andere structurele eigenschap van de doelhoeveelheid benutten om de schattervariantie te verlagen zonder bias te introduceren.
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
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/nl/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 SimulatieSimulatie↔ compare
- Markov Chain Monte Carlo (MCMC)Simulatie↔ compare
- Monte Carlo SimulatieBesluitvorming↔ compare
- Stochastische Differentiële Vergelijkingen (SDE's)Simulatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →