Eikosestadística y ciencia de datos

Temas avanzados y aplicados · Simulacion

Técnicas de Reducción de Varianza — Simulación Estadística

Introducción pública · guía completa en Eikos

Introducción

De qué trata esta guía

Fundamentos teóricos rigurosos, demostraciones, algoritmos y ejercicios completamente resueltos para las técnicas que reducen el error Monte Carlo sin aumentar el número de muestras.

Recorrido

Temas que aborda

  • Introducción
  • Técnicas de Reducción de Varianza
  • Marco Teórico General: El Problema de la Varianza
  • Taxonomía de las VRTs
  • Variables Antitéticas
  • 1.1 Fundamento Matemático

Conceptos relacionados

Conexiones principales

  • varianza
  • montecarlo
  • calculo
  • muestreo
  • media
  • bayes

Notación compatible

Muestra matemática en LaTeX

La expresión se renderiza de forma accesible y conserva debajo su fuente LaTeX.

I^N(C)=1N∑i=1Nf(Xi),Xi∼i.i.d.μ\hat{I}_N^{(C)} = \frac{1}{N}\sum_{i=1}^{N} f(X_i), \qquad X_i \stackrel{\text{i.i.d.}}{\sim} \mu
Ver LaTeX fuente\hat{I}_N^{(C)} = \frac{1}{N}\sum_{i=1}^{N} f(X_i), \qquad X_i \stackrel{\text{i.i.d.}}{\sim} \mu