Multilevel Monte Carlo Simulation
Multilevel Monte Carlo (MLMC) är en teknik för variansreduktion som estimerar väntevärden genom att kombinera simuleringar körda på flera nivåer av numerisk upplösning. Grova, billiga simuleringar fångar det mesta av signalen; fina, dyra simuleringar korrigerar endast den kvarvarande lilla skillnaden – vilket dramatiskt minskar den totala beräkningskostnaden jämfört med standard Monte Carlo enbart på den finaste nivån.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/sv/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.
- Markov Chain Monte Carlo (MCMC)Simulering↔ compare
- MontecarlosimuleringBeslutsfattande↔ compare
- Partikelfilter (sekventiell Monte Carlo)Bayesiansk statistik↔ compare
- Sekventiell Monte CarloBayesiansk statistik↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →