เปรียบเทียบวิธี

	การจำลองแบบมอนติคาร์โลที่ทนทาน (Robust Monte Carlo simulation)	การจำลองแบบมอนติคาร์โล
สาขาวิชา	เบย์	การตัดสินใจ
ตระกูล	Bayesian methods	MCDM
ปีกำเนิด	1990s–2000s	1949
ผู้ริเริ่ม	Saltelli, Rubinstein, and the uncertainty-quantification community	Metropolis, N., Ulam, S.
ประเภท	Robust simulation / uncertainty quantification	Robustness wrapper — Monte Carlo uncertainty propagation
แหล่งต้นตำรับ	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	Metropolis, N., Ulam, S. (1949). The Monte Carlo method. Journal of the American Statistical Association
ชื่อเรียกอื่น	robust MC simulation, Monte Carlo robustness analysis, robust stochastic simulation, uncertainty-robust Monte Carlo	—
ที่เกี่ยวข้อง	6	0
สรุป	Robust Monte Carlo simulation extends standard Monte Carlo by explicitly accounting for uncertainty in input distributions, model structure, or parameter assumptions. Rather than assuming a single fixed probability distribution for each input, the analyst considers a family of plausible distributions and evaluates how sensitive the output is to those choices, yielding conclusions that hold across a range of reasonable assumptions.	MONTE-CARLO-SIMULATION (Monte Carlo Simulation — Stochastic uncertainty propagation through MCDM model) is a ranking multi-criteria decision-making (MCDM) method introduced by Metropolis, N., Ulam, S. in 1949. It turns a decision matrix of alternatives scored on multiple criteria into a structured, reproducible result.