Bayesian methodsBayesian / computational

شبیه‌سازی مونت‌کارلوی مقاوم

شبیه‌سازی مونت‌کارلوی مقاوم، مونت‌کارلوی استاندارد را با در نظر گرفتن صریح عدم قطعیت در توزیع‌های ورودی، ساختار مدل، یا مفروضات پارامتری گسترش می‌دهد. به جای فرض یک توزیع احتمال ثابت واحد برای هر ورودی، تحلیلگر یک خانواده از توزیع‌های محتمل را در نظر می‌گیرد و ارزیابی می‌کند که خروجی چقدر به آن انتخاب‌ها حساس است، که منجر به نتایجی می‌شود که در طیف وسیعی از مفروضات معقول معتبر هستند.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. 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
  2. Rubinstein, R. Y. & Kroese, D. P. (2016). Simulation and the Monte Carlo Method (3rd ed.). Wiley. ISBN: 978-1118632161

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Robust Monte Carlo Simulation. ScholarGate. https://scholargate.app/fa/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.

Compare side by side
ScholarGateRobust Monte Carlo Simulation (Robust Monte Carlo Simulation). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/bayesian/robust-monte-carlo-simulation · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026