Multilevel Monte Carlo Simulatie
Multilevel Monte Carlo (MLMC) is een techniek voor variantiereductie die verwachtingswaarden schat door simulaties te combineren die op meerdere niveiten van numerieke resolutie worden uitgevoerd. Grove, goedkope simulaties vangen het grootste deel van het signaal op; fijne, dure simulaties corrigeren slechts het resterende kleine verschil — wat de totale computationele kosten dramatisch reduceert in vergelijking met standaard Monte Carlo op het fijnste niveau alleen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/nl/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)Simulatie↔ compare
- Monte Carlo SimulatieBesluitvorming↔ compare
- Deeltjesfilter (Sequentiële Monte Carlo)Bayesiaanse statistiek↔ compare
- Sequentiële Monte CarloBayesiaanse statistiek↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →