Tehnike smanjenja varijanse za Monte Karlo simulaciju
Tehnike smanjenja varijanse su porodica metoda koje poboljšavaju efikasnost Monte Karlo simulacije postizanjem iste tačnosti procene sa manje slučajnih izvlačenja. Razvijane inkrementalno od 1950-ih nadalje — sa antitetičkim varijansama koje se pripisuju Hammersleyu i Mortonu, kontrolnim varijansama koje su formalizovali Lavenberg i Welch, i uzorkovanjem po važnosti ukorenjenim u Kahna i Marshalla — porodica uključuje antitetičke varijanse (AV), kontrolne varijanse (CV), uzorkovanje po važnosti (IS) i stratifikaciju, od kojih svaka iskorišćava različito strukturno svojstvo ciljne količine za snižavanje varijanse procenitelja bez uvođenja pristrasnosti.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Mapa metoda
Okruženje srodnih metoda — izaberite čvor da biste istraživali.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/sr/simulation/variance-reduction-mc
Koja metoda?
Postavite ovu metodu pored njoj najbližih srodnika i čitajte ih uporedo — biblioteka polaže knjige na sto; izbor je na vama.
- Бутстрап симулацијаSimulacija↔ uporedi
- Markov Chain Monte Carlo (MCMC)Simulacija↔ uporedi
- Simulacija Monte KarloDonošenje odluka↔ uporedi
- Stochastic Differential Equations (SDEs)Simulacija↔ uporedi
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →