Робастное моделирование методом Монте-Карло
Робастное моделирование методом Монте-Карло расширяет стандартное моделирование Монте-Карло за счет явного учета неопределенности в распределениях входных данных, структуре модели или предположениях о параметрах. Вместо того чтобы предполагать одно фиксированное вероятностное распределение для каждого входа, аналитик рассматривает семейство правдоподобных распределений и оценивает чувствительность выходных данных к этим выборам, получая выводы, которые остаются верными в диапазоне разумных предположений.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Saltelli, A., Ratto, M., Andres, T., Campolongo, F., Cariboni, J., Gatelli, D., Saisana, M. & Tarantola, S. (2008). Global Sensitivity Analysis: The Primer. Wiley. ISBN: 978-0470059975
- Rubinstein, R. Y. & Kroese, D. P. (2016). Simulation and the Monte Carlo Method (3rd ed.). Wiley. ISBN: 978-1118632161
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Monte Carlo Simulation. ScholarGate. https://scholargate.app/ru/bayesian/robust-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.
- Бутстреп-симуляцияИмитационное моделирование↔ compare
- Метод Монте-КарлоПринятие решений↔ compare
- Робастное байесовское оцениваниеБайесовские методы↔ compare
- Робастный фильтр частицБайесовские методы↔ compare
- Анализ чувствительностиПринятие решений↔ compare
- Последовательный Монте-КарлоБайесовские методы↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →