Multilevel Monte Carlo Simulation
Multilevel Monte Carlo (MLMC) er en teknik til reduktion af varians, der estimerer forventningsværdier ved at kombinere simuleringer udført på flere niveauer af numerisk opløsning. Grove, billige simuleringer fanger det meste af signalet; fine, dyre simuleringer korrigerer kun den resterende lille forskel – hvilket dramatisk reducerer den samlede beregningsmæssige omkostning sammenlignet med standard Monte Carlo alene på det fineste niveau.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Giles, M. B. (2008). Multilevel Monte Carlo path simulation. Operations Research, 56(3), 607–617. DOI: 10.1287/opre.1070.0496 ↗
- Giles, M. B. (2015). Multilevel Monte Carlo methods. Acta Numerica, 24, 259–328. DOI: 10.1017/s096249291500001x ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/da/bayesian/multilevel-monte-carlo-simulation
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.
- Markov Chain Monte Carlo (MCMC)Simulering↔ compare
- Monte Carlo-simuleringBeslutningstagning↔ compare
- Partikelfilter (sekventiel Monte Carlo)Bayesiansk↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →