Teknikker for variansreduksjon for Monte Carlo-simulering
Variansreduksjonsteknikker er en familie av metoder som forbedrer effektiviteten til Monte Carlo-simulering ved å oppnå samme estimeringsnøyaktighet med færre tilfeldige trekk. Utviklet gradvis fra 1950-tallet og fremover — med antitetiske variater tilskrevet Hammersley og Morton, kontrollvariater formalisert av Lavenberg og Welch, og viktighetsprøvetaking med røtter i Kahn og Marshall — familien inkluderer antitetiske variater (AV), kontrollvariater (CV), viktighetsprøvetaking (IS) og stratifisering, som hver utnytter en forskjellig strukturell egenskap ved den målte størrelsen for å senke estimatorens varians uten å introdusere skjevhet.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/no/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-simulering – Empirisk gjensampling for statistisk inferensSimulering↔ compare
- Markov Chain Monte Carlo (MCMC)Simulering↔ compare
- Monte Carlo-simuleringBeslutningstaking↔ compare
- Stokastiske differensialligninger (SDE-er)Simulering↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →