Многоуровневая Монте-Карло симуляция
Многоуровневая Монте-Карло (MLMC) — это метод снижения дисперсии, который оценивает математические ожидания путем объединения симуляций, выполненных на нескольких уровнях численного разрешения. Грубые, дешевые симуляции улавливают большую часть сигнала; точные, дорогие симуляции корректируют лишь оставшуюся малую разницу — драматически снижая общую вычислительную стоимость по сравнению со стандартным Монте-Карло, использующим только самый точный уровень.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/ru/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.
- Марковские цепи Монте-Карло (MCMC)Имитационное моделирование↔ compare
- Метод Монте-КарлоПринятие решений↔ compare
- Фильтр частиц (последовательное Монте-Карло)Байесовские методы↔ compare
- Последовательный Монте-КарлоБайесовские методы↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →