ScholarGate
Assistent
Process / pipeline

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.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

The neighbourhood of related methods — select a node to explore.

Bronnen

  1. Ross, S.M. (2012). Simulation (5th ed.). Academic Press. ISBN: 978-0124158252
  2. 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.

Compare side by side

Geciteerd door

ScholarGateVariance Reduction for Monte Carlo (Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/simulation/variance-reduction-mc · Gegevensset: https://doi.org/10.5281/zenodo.20539026