Bayesian methodsBayesian / computational
강건 몬테카를로 시뮬레이션
강건 몬테카를로 시뮬레이션은 입력 분포, 모델 구조 또는 매개변수 가정의 불확실성을 명시적으로 고려하여 표준 몬테카를로를 확장합니다. 각 입력에 대해 단일 고정 확률 분포를 가정하는 대신, 분석가는 가능한 분포족을 고려하고 해당 선택에 대한 출력의 민감도를 평가하여 합리적인 가정의 범위에 걸쳐 유효한 결론을 도출합니다.
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
- 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
- Rubinstein, R. Y. & Kroese, D. P. (2016). Simulation and the Monte Carlo Method (3rd ed.). Wiley. ISBN: 978-1118632161
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Monte Carlo Simulation. ScholarGate. https://scholargate.app/ko/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.
- 부트스트랩 시뮬레이션시뮬레이션↔ compare
- 몬테카를로 시뮬레이션의사결정↔ compare
- 강건 베이즈 추론베이지안↔ compare
- 강건 입자 필터베이지안↔ compare
- 민감도 분석의사결정↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare