Bayesian methodsBayesian / computational
다단계 몬테카를로 시뮬레이션
다단계 몬테카를로(MLMC)는 여러 수준의 수치 해상도를 조합하여 실행한 시뮬레이션을 통해 기댓값을 추정하는 분산 감소 기법입니다. 거친(coarse) 저비용 시뮬레이션은 신호의 대부분을 포착하고, 정밀한(fine) 고비용 시뮬레이션은 남은 작은 차이만을 보정하여, 가장 정밀한 수준만 사용하는 표준 몬테카를로에 비해 총 계산 비용을 극적으로 줄입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/ko/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)시뮬레이션↔ compare
- 몬테카를로 시뮬레이션의사결정↔ compare
- 파티클 필터 (순차 몬테카를로)베이지안↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare