Multilevel-Monte-Carlo-Simulation
Multilevel-Monte-Carlo (MLMC) ist eine Technik zur Varianzreduktion, die Erwartungswerte durch die Kombination von Simulationen auf mehreren Ebenen numerischer Auflösung schätzt. Grobe, kostengünstige Simulationen erfassen den Großteil des Signals; feine, teure Simulationen korrigieren nur die verbleibende kleine Differenz – was die Gesamtrechenkosten im Vergleich zur Standard-Monte-Carlo-Methode allein auf der feinsten Ebene drastisch reduziert.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/de/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)Simulation↔ compare
- Monte-Carlo-SimulationEntscheidungsfindung↔ compare
- Partikelfilter (Sequentieller Monte-Carlo-Algorithmus)Bayes-Statistik↔ compare
- Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →