Daudzlīmeņu Montekarlo simulācija
Daudzlīmeņu Montekarlo (MLMC) ir paņēmiens dispersijas samazināšanai, kas novērtē sagaidāmās vērtības, apvienojot simulācijas, kas veiktas vairākos skaitliskās izšķirtspējas līmeņos. Rupjas, lētas simulācijas uztver lielāko daļu signāla; smalkas, dārgas simulācijas koriģē tikai atlikušo nelielo starpību — dramatiski samazinot kopējās aprēķinu izmaksas, salīdzinot ar standarta Montekarlo, izmantojot tikai smalkāko līmeni.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/lv/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)Simulācija↔ compare
- Monte Carlo simulācijaLēmumu pieņemšana↔ compare
- Particle Filter (Sequential Monte Carlo)Bajesa metodes↔ compare
- Sekvenciālā Monte Karlo metodeBajesa metodes↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →