Simulasi Monte Carlo Bertingkat
Simulasi Monte Carlo Bertingkat (MLMC) ialah teknik pengurangan varians yang menganggarkan jangkaan dengan menggabungkan simulasi yang dijalankan pada pelbagai peringkat ketepatan numerik. Simulasi kasar yang murah menangkap kebanyakan isyarat; simulasi halus yang mahal hanya membetulkan perbezaan kecil yang tinggal — mengurangkan kos pengkomputeran keseluruhan secara dramatik berbanding Monte Carlo standard pada peringkat paling halus sahaja.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/ms/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)Simulasi↔ compare
- Simulasi Monte CarloPembuatan Keputusan↔ compare
- Penapis Zarah (Monte Carlo Sekuen)Bayesian↔ compare
- Monte Carlo SekuensialBayesian↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →