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.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
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.
- Symulacja bootstrapowaSymulacja↔ porównaj
- Łańcuchowe metody Monte Carlo (MCMC)Symulacja↔ porównaj
- Symulacja Monte CarloPodejmowanie decyzji↔ porównaj
- Równania różniczkowe stochastyczne (SDE)Symulacja↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →