Багаторівнева Монте-Карло симуляція
Багаторівнева Монте-Карло (MLMC) — це техніка зменшення дисперсії, яка оцінює математичні сподівання шляхом комбінування симуляцій, запущених на кількох рівнях числової точності. Грубі, дешеві симуляції вловлюють більшу частину сигналу; точні, дорогі симуляції коригують лише невелику залишкову різницю — драматично зменшуючи загальну обчислювальну вартість порівняно зі стандартним Монте-Карло, що використовує лише найточніший рівень.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Multilevel Monte Carlo Simulation. ScholarGate. https://scholargate.app/uk/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.
- Метод Монте-Карло на основі Марковських ланцюгів (MCMC)Імітаційне моделювання↔ compare
- Метод Монте-КарлоПрийняття рішень↔ compare
- Фільтр частинок (послідовний Монте-Карло)Баєсові методи↔ compare
- Послідовний Монте-КарлоБаєсові методи↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →