MCDMRankingcrisp
Montecarlosimulering — Stokastisk osäkerhetsspridning genom MCDM-modell
MONTE-CARLO-SIMULERING (Montecarlosimulering — Stokastisk osäkerhetsspridning genom MCDM-modell) är en rangordnande metod för multipelbeslutsfattande (MCDM) som introducerades av Metropolis, N., Ulam, S. år 1949. Den omvandlar en beslutsmatris av alternativ, poängsatta på flera kriterier, till ett strukturerat, reproducerbart resultat.
Läs hela metoden
Endast för medlemmar
Logga inLogga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+80 more
Källor
- Metropolis, N., Ulam, S. (1949). The Monte Carlo method. Journal of the American Statistical Association DOI: 10.1080/01621459.1949.10483310 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 2). Monte Carlo Simulation — Stochastic uncertainty propagation through MCDM model. ScholarGate. https://scholargate.app/sv/decision-making/monte-carlo-simulation
Refereras av
Agentbaserad diskret händelsesimuleringAgent-Based Modeling (ABM)Agent-Based Queueing SimulationAgentbaserad scenarioanalysAgentbaserad känslighetsanalysApproximativ Bayesiansk BeräkningBayesiansk agentbaserad modelleringBayesianska cellulära automaterBayesian Discrete-Event SimulationBayesiansk MarkovmodellBayesiansk mikrosimuleringBayesiansk Monte Carlo-simuleringBayesiansk kösimuleringBayesiansk scenariuanalysBayesiansk känslighetsanalysBayesiansk systemdynamikBootstrap-simuleringCellular AutomataDeterministiska cellulära automaterDeterministisk MarkovmodellDeterministisk mikrosimuleringDeterministisk scenarioutvärderingDeterministisk känslighetsanalysDigital Twin SimulationDiskreta valsimuleringarDiskret händelsessimulering (DES)Simulering av diskreta händelsesystemGlobal sensitivitetsanalysHybridtillförlitlighetsanalysViktsprövningJackknife-resampling-skattningLatin Hypercube SamplingMarkov Chain Monte Carlo (MCMC)MarkovmodellMikrosimuleringMulti-Objective Discrete-Event SimulationMultimåls-mikrosimuleringMultiobjektiv känslighetsanalysMultilevel Monte Carlo SimulationPolicy Scenario Agent-Based ModelingPolicy Scenario AnalysisPolicy Scenario Discrete-Event SimulationPolicy Scenario MicrosimulationPolicy Scenario Monte Carlo SimulationPolicy Scenario Sensitivity AnalysisProbabilistisk analys av seismisk farlighet (PSHA)KösimuleringRisk-baserad Taguchi-metodRobust Agent-Based ModelingRobust diskret händelsestyrd simuleringRobust MarkovmodellRobust microsimuleringRobust Monte Carlo-simuleringRobust kösimuleringRobust Scenario AnalysisRobust känslighetsanalysScenarioutredning och vad-om-simuleringKänslighetsanalys med felträdsanalysKänslighetsanalys med processkapabilitetsanalysKänslighetsanalys med rotorsaksanalysSimuleringsassisterad kausal-komparativ forskningSimuleringsstödd konfirmerande forskningSimuleringsstödd regleringsgrafSimuleringsassisterad tvärsnittsforskningSimuleringsstödd ex post facto-designSimuleringsstödd felmod- och effekkanalysSimuleringsstödd felträdanalysSimuleringsstödd hypotesprövningSimuleringsstödd processkapacitetsanalysSimuleringsstödd kvantitativ innehållsanalysSimuleringsstödd tillförlitlighetsanalysSimuleringsstödd statistisk processtyrningSimuleringsassisterad trendforskningStokastiska cellulära automaterStokastiska differentialekvationer (SDE)Stokastisk diskret händelsessimuleringStokastisk dynamisk programmeringStokastisk linjär programmeringStokastisk MarkovmodellStokastisk mikrosimuleringStokastisk Mixed-Integer ProgrammingStokastisk multiobjektiv optimeringStokastisk kösimulering – Probabilistisk modellering av kösystemStokastisk scenarioanalysStokastisk känslighetsanalysStokastisk systemdynamikSystem DynamicsKvantifiering av osäkerhetValue at Risk (VaR)Variansreducerande tekniker för Monte Carlo-simulering
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →