روش های کاهش واریانس در روش مونت کارلو

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,683

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CFMA03_094

تاریخ نمایه سازی: 16 خرداد 1394

چکیده مقاله:

روش شبیه سازی مونت کارلو، روشی برای تقریب زدن انتگرال به کمک اعداد تصادفی می باشند. ایده ی اصلی این روش، تبدیل انتگرال به یک امید ریاضی بر اساس یک تابع چگالی احتمال مشخصف تولید نمونه ی تصادفی از این تابع چگالی و استفاده از قانوناعداد بزگ برای تقریب این امید ریاضی است. در روش مونت کارلو، با تولید نباله ای از متغیرهای تصادفی، که امید ریاضی آنها برابر با 0است، 0 برآورد می شود. میزان کارایی این روش زمانی که متغیر تصادفی دارای واریانس کوچک باشد افزایش می یابد. به روش هایی که می توانند متغیر تصادفی با امید 0 و واریانس نسبتاً کوچک تولید کنند روش های کاهش واریانس می گویند. در این مقاله به بررسی روش های کاهش واریانس می پردازیم.

نویسندگان

غلامحسین غلامی

دانشگاه ارومیه، دانشکده علوم، گروه ریاضی، ارومیه، ایران

آرش میرترابی

دانشگاه آزاد اسلامی واحد علوم و تحقیقات، گروه آمار، فارس، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Don L. Mcleish, Monte Carlo simulation and finance, 2004. ...
  • Christian P. Robert, George Casella, Monte Carlo Statistical Methods, Springer, ...
  • Christian P. Robert, George Casella, Introducing Monte Carlo Methods with ...
  • Prof. Haugh, Monte Carlo simulation, handout, 2003. ...
  • Don L. Mcleish, Monte Carlo simulation and finance, 2004. ...
  • نمایش کامل مراجع