Variansreducerande tekniker för Monte Carlo-simulering
Variansreducerande tekniker är en familj av metoder som förbättrar effektiviteten hos Monte Carlo-simulering genom att uppnå samma skattningsnoggrannhet med färre slumpmässiga dragningar. Teknikerna har utvecklats inkrementellt från 1950-talet och framåt – med antithetic variates tillskrivna Hammersley och Morton, control variates formaliserade av Lavenberg och Welch, och importance sampling med rötter hos Kahn och Marshall – och familjen inkluderar antithetic variates (AV), control variates (CV), importance sampling (IS) och stratifiering. Var och en utnyttjar en olika strukturell egenskap hos målkvantiteten för att sänka skattarens varians utan att införa bias.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Variance Reduction Techniques for Monte Carlo Simulation (AV, CV, IS). ScholarGate. https://scholargate.app/sv/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-simuleringSimulering↔ compare
- Markov Chain Monte Carlo (MCMC)Simulering↔ compare
- MontecarlosimuleringBeslutsfattande↔ compare
- Stokastiska differentialekvationer (SDE)Simulering↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →