Multilevel Monte Carlo Simulation
Multilevel Monte Carlo (MLMC) er en teknikk for variansreduksjon som estimerer forventningsverdier ved å kombinere simuleringer kjørt på flere nivåer av numerisk oppløsning. Grove, billige simuleringer fanger opp mesteparten av signalet; fine, dyre simuleringer korrigerer bare den gjenværende lille forskjellen – noe som dramatisk reduserer den totale beregningskostnaden sammenlignet med standard Monte Carlo alene på det fineste nivået.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/no/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)Simulering↔ compare
- Monte Carlo-simuleringBeslutningstaking↔ compare
- Partikkelfilter (sekvensiell Monte Carlo)Bayesiansk↔ compare
- Sekvensiell Monte CarloBayesiansk↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →