Symulacja wielopoziomowa metodą Monte Carlo
Symulacja wielopoziomowa metodą Monte Carlo (MLMC) to technika redukcji wariancji, która szacuje wartości oczekiwane poprzez łączenie symulacji przeprowadzanych na wielu poziomach rozdzielczości numerycznej. Przybliżone, tanie symulacje wychwytują większość sygnału; dokładne, kosztowne symulacje korygują jedynie pozostałą niewielką różnicę — dramatycznie redukując całkowity koszt obliczeniowy w porównaniu ze standardową metodą Monte Carlo stosowaną wyłącznie na najdokładniejszym poziomie.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/pl/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.
- Łańcuchowe metody Monte Carlo (MCMC)Symulacja↔ compare
- Symulacja Monte CarloPodejmowanie decyzji↔ compare
- Filtr cząsteczkowy (Sekwencyjny Monte Carlo)Statystyka bayesowska↔ compare
- Sekwencyjne metody Monte CarloStatystyka bayesowska↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →