ScholarGate
Asystent
Process / pipeline

Techniki redukcji wariancji w symulacjach Monte Carlo

Techniki redukcji wariancji to rodzina metod poprawiających efektywność symulacji Monte Carlo poprzez osiągnięcie tej samej dokładności estymacji przy mniejszej liczbie losowań. Rozwijane stopniowo od lat 50. XX wieku — z przypisywanymi Hammersleyowi i Mortonowi zmiennymi antytetycznymi, sformalizowanymi przez Lavenberga i Welcha zmiennymi kontrolnymi oraz próbkowaniem ważonym (importance sampling) zakorzenionym w pracach Kahna i Marshalla — rodzina ta obejmuje zmienne antytetyczne (AV), zmienne kontrolne (CV), próbkowanie ważone (IS) oraz stratyfikację, z których każda wykorzystuje inną właściwość strukturalną wielkości docelowej w celu obniżenia wariancji estymatora bez wprowadzania obciążenia.

Otwórz w MethodMindWkrótceWideoWkrótcePobierz slajdy

Przeczytaj pełny opis metody

Tylko dla członków

Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.

Zaloguj się

Mapa metod

Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.

Źródła

  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

Jak cytować tę stronę

ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/pl/simulation/variance-reduction-mc

Która metoda?

Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.

Porównaj obok siebie

Cytowana przez

ScholarGateVariance Reduction for Monte Carlo (Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS)). Pobrano 2026-06-15 z https://scholargate.app/pl/simulation/variance-reduction-mc · Zbiór danych: https://doi.org/10.5281/zenodo.20539026