Monitaso-Monte Carlo -simulaatio
Monitaso-Monte Carlo (MLMC) on varianssin pienentämistekniikka, joka arvioi odotusarvoja yhdistämällä useilla numeerisen tarkkuuden tasoilla suoritettuja simulaatioita. Karkeat, halvat simulaatiot vangitsevat suurimman osan signaalista; hienot, kalliit simulaatiot korjaavat vain jäljelle jäävän pienen eron – vähentäen dramaattisesti kokonaislaskentakustannuksia verrattuna pelkästään hienointa tasoa käyttävään standardiin Monte Carloon.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/fi/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)Simulointi↔ compare
- MONTE-CARLO-SIMULATIONPäätöksenteko↔ compare
- Partikkelisuodin (sekventiaalinen Monte Carlo)Bayesilainen tilastotiede↔ compare
- Sekventiaalinen Monte CarloBayesilainen tilastotiede↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →