Robust Monte Carlo-simulering
Robust Monte Carlo-simulering udvider standard Monte Carlo ved eksplicit at tage højde for usikkerhed i inputfordelinger, modelstruktur eller parameterantagelser. I stedet for at antage én enkelt fast sandsynlighedsfordeling for hvert input, overvejer analytikeren en familie af plausible fordelinger og evaluerer, hvor følsomt outputtet er over for disse valg, hvilket giver konklusioner, der holder på tværs af en række rimelige antagelser.
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
- Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D., Saisana, M. & Tarantola, S. (2008). Global Sensitivity Analysis: The Primer. Wiley. ISBN: 978-0470059975
- Rubinstein, R. Y. & Kroese, D. P. (2016). Simulation and the Monte Carlo Method (3rd ed.). Wiley. ISBN: 978-1118632161
Sådan citerer du denne side
ScholarGate. (2026, June 3). Robust Monte Carlo Simulation. ScholarGate. https://scholargate.app/da/bayesian/robust-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.
- Bootstrap-simuleringSimulering↔ compare
- Monte Carlo-simuleringBeslutningstagning↔ compare
- Robust Bayesiansk InferensBayesiansk↔ compare
- Robust Particle FilterBayesiansk↔ compare
- FølsomhedsanalyseBeslutningstagning↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →