MCDMRankingcrisp
Symulacja Monte Carlo — Propagacja stochastyczna niepewności przez model MCDM
MONTE-CARLO-SIMULATION (Symulacja Monte Carlo — Propagacja stochastyczna niepewności przez model MCDM) to rankingowa metoda wielokryterialnego wspomagania decyzji (MCDM), wprowadzona przez Metropolisa, N. i Ulama, S. w 1949 roku. Przekształca ona macierz decyzyjną alternatyw ocenionych według wielu kryteriów w ustrukturyzowany, powtarzalny wynik.
Przeczytaj pełny opis metody
Tylko dla członków
Zaloguj sięZaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+80 more
Źródła
- Metropolis, N., Ulam, S. (1949). The Monte Carlo method. Journal of the American Statistical Association DOI: 10.1080/01621459.1949.10483310 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 2). Monte Carlo Simulation — Stochastic uncertainty propagation through MCDM model. ScholarGate. https://scholargate.app/pl/decision-making/monte-carlo-simulation
Cytowana przez
Symulacja agentowa zorientowana na zdarzenia znane jako dyskretne (AB-DES)Modelowanie agentowe (ABM)Symulacja kolejkowania oparta na agentachAnaliza scenariuszowa oparta na agentachAgentowa analiza wrażliwościPrzybliżone Obliczenia BayesaBayesian Agent-Based ModelingAutomaty komórkowe BayesaBayesowska symulacja zdarzeń dyskretnychBayesowski model MarkowaMikrosymulacja bayesowskaSymulacja metodą Bayesa i Monte CarloSymulacja Kolejkowa w Ujęciu BayesowskimAnaliza Scenariuszowa BayesowskaAnaliza wrażliwości bayesowskiejSystem Dynamics BayesowskieSymulacja bootstrapowaAutomaty komórkoweDeterministyczne Automaty KomórkoweDeterministyczny Model MarkowaMikrosymulacja deterministycznaAnaliza Scenariuszowa DeterministycznaDeterministyczna analiza wrażliwościSymulacja cyfrowego bliźniakaSymulacja wyboru dyskretnegoSymulacja zdarzeń dyskretnych (DES)Symulacja zdarzeń dyskretnychGlobalna analiza wrażliwościAnaliza Hybrydowa NiezawodnościPróbkowanie zaporoweEstymacja metodą jackknifePróbkowanie typu Latin HypercubeŁańcuchowe metody Monte Carlo (MCMC)Model MarkowaMikrosymulacjaSymulacja zdarzeń dyskretnych dla wielu celówMulti-objective microsimulationWieloobiektywna analiza wrażliwościSymulacja wielopoziomowa metodą Monte CarloModelowanie Agentowe Scenariuszy PolitykiAnaliza Scenariuszowa PolitykiSymulacja zdarzeń dyskretnych dla scenariuszy politykiMikrosymulacja scenariuszy politycznychSymulacja Monte Carlo scenariuszy politycznychAnaliza wrażliwości scenariuszy politykiProbabilistyczna Analiza Zagrożenia Sejsmicznego (PSHA)Symulacja KolejkowaMetoda Taguchiego oparta na ryzykuSolidne modelowanie oparte na agentachSolidne symulacje zdarzeń dyskretnychSolidny model MarkowaSolidna mikrosymulacjaRobust Monte Carlo SimulationSymulacja odporna kolejekAnaliza Scenariuszowa OdpornaAnaliza wrażliwości pod kątem odpornościAnaliza scenariuszowa i symulacja typu "what-if"Analiza wrażliwości z analizą drzewa błędówAnaliza wrażliwości z analizą zdolności procesuAnaliza wrażliwości z analizą przyczyn źródłowychBadania przyczynowo-porównawcze wspomagane symulacjąBadania konfirmacyjne wspomagane symulacjąWykres kontrolny wspomagany symulacjąBadania przekrojowe wspomagane symulacjąProjekt wspomagany symulacją ex post factoAnaliza rodzajów i skutków potencjalnych niezawodności wspomagana symulacyjnieAnaliza drzewa błędów wspomagana symulacjąBadania wspomagane symulacyjnie testowaniem hipotezAnaliza zdolności procesu wspomagana symulacjąSymulacyjna analiza ilościowa treściAnaliza niezawodności wspomagana symulacyjnieStatystyczne sterowanie procesem wspomagane symulacyjnieBadania trendów wspomagane symulacjąAutomaty komórkowe stochastyczneRównania różniczkowe stochastyczne (SDE)Stochastyczna symulacja zdarzeń dyskretnychProgramowanie stochastyczne dynamiczneProgramowanie stochastyczne linioweModel stochastyczny MarkowaMikrosymulacja stochastycznaProgramowanie stochastyczne z ograniczeniami całkowitoliczbowymiStochastyczna Optymalizacja WielokryterialnaSymulacja stochastyczna systemów kolejkowychAnaliza Scenariuszowa StochastycznaAnaliza Wrażliwości StochastycznejDynamika Systemów StochastycznychDynamika systemówKwantyfikacja niepewnościValue at Risk (VaR)Techniki redukcji wariancji w symulacjach Monte Carlo
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →