ロバストモンテカルロシミュレーション

ロバストモンテカルロシミュレーションは、入力分布、モデル構造、またはパラメータ仮定における不確実性を明示的に考慮することで、標準的なモンテカルロ法を拡張するものである。アナリストは、各入力に対して単一の固定された確率分布を仮定するのではなく、もっともらしい分布の族を考慮し、出力がそれらの選択に対してどれほど敏感であるかを評価する。これにより、妥当な仮定の範囲全体にわたって成り立つ結論が得られる。