Bayesiansk Monte Carlo-simulering — Stokastisk sampling informert av prior for usikkerhetskvantifisering
Bayesiansk Monte Carlo-simulering integrerer Bayesiansk statistisk inferens med Monte Carlo-sampling for å propagere usikkerhet gjennom komplekse modeller. I stedet for å trekke utvalg fra vilkårlige fordelinger, betinger den sampling på observerte data og ekspertkunnskap via Bayes' teorem, noe som gir posterior-baserte usikkerhetsestimater som er både statistisk koherente og tolkbare i sannsynlighetstermer.
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
- O'Hagan, A., Buck, C. E., Daneshkhah, A., Eiser, J. R., Garthwaite, P. H., Jenkinson, D. J., Oakley, J. E., & Rakow, T. (2006). Uncertain Judgements: Eliciting Experts' Probabilities. Wiley. ISBN: 9780470029992
- O'Hagan, A. (1987). Monte Carlo is fundamentally unsound. The Statistician, 36(2-3), 247-249. DOI: 10.2307/2348519 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bayesian Monte Carlo Simulation — Prior-informed stochastic sampling for uncertainty quantification. ScholarGate. https://scholargate.app/no/simulation/bayesian-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.
- Bayesiansk sensitivitetsanalyseSimulering↔ compare
- Bayesian System DynamicsSimulering↔ compare
- Markov Chain Monte Carlo (MCMC)Simulering↔ compare
- Monte Carlo-simuleringBeslutningstaking↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →