ScholarGate
دستیار

مقایسهٔ روش‌ها

روش‌های انتخابی خود را کنار هم مرور کنید؛ ردیف‌های متفاوت برجسته شده‌اند.

شبیه‌سازی مونت‌کارلوی مقاوم×تحلیل حساسیت×
حوزهبیزیتصمیم‌گیری
خانوادهBayesian methodsMCDM
سال پیدایش1990s–2000s2004
پدیدآورSaltelli, Rubinstein, and the uncertainty-quantification communitySaltelli, A., Tarantola, S., Campolongo, F., Ratto, M.
نوعRobust simulation / uncertainty quantificationRobustness wrapper — parameter / weight perturbation sensitivity indices
منبع بنیادینSaltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D., Saisana, M. & Tarantola, S. (2008). Global Sensitivity Analysis: The Primer. Wiley. ISBN: 978-0470059975Saltelli, A., Tarantola, S., Campolongo, F., Ratto, M. (2004). Sensitivity Analysis in Practice. Wiley, Chichester DOI ↗
نام‌های دیگرrobust MC simulation, Monte Carlo robustness analysis, robust stochastic simulation, uncertainty-robust Monte Carlo
مرتبط60
خلاصهRobust Monte Carlo simulation extends standard Monte Carlo by explicitly accounting for uncertainty in input distributions, model structure, or parameter assumptions. Rather than assuming a single fixed probability distribution for each input, the analyst considers a family of plausible distributions and evaluates how sensitive the output is to those choices, yielding conclusions that hold across a range of reasonable assumptions.SENSITIVITY-ANALYSIS (Sensitivity Analysis — Systematic assessment of output variation w.r.t. input perturbations) is a ranking multi-criteria decision-making (MCDM) method introduced by Saltelli, A., Tarantola, S., Campolongo, F., Ratto, M. in 2004. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result.
ScholarGateمجموعه‌داده
  1. v1
  2. 2 منابع
  3. PUBLISHED
  1. v1
  2. 1 منابع
  3. PUBLISHED

رفتن به جست‌وجو دریافت اسلایدها

ScholarGateمقایسهٔ روش‌ها: Robust Monte Carlo Simulation · SENSITIVITY-ANALYSIS. بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/compare