Monte Carlo ==는 임의의 프로세스를 적용합니까?

공식적인 통계 과정은 없었지만 연구 라인으로 인해 여러 가지 통계 개념을 적용하는 기사가 끊임없이 등장합니다.

종종 나는 주어진 상황에 적용되는 몬테카를로 과정에 대한 설명을 보게 될 것입니다. 그리고 10 번 중 9 번을 수집 할 수있는 것은 단순한 임의의 인구 집단과 그 이후의 연구로 귀결됩니다.

내 질문 : 통계 세계에서 Monte Carlo 는 임의의 점 / 인구 생성 등을 포함하는 알고리즘에 대한 일종의 코드 단어입니까? 아니면 더 많은 것이 있습니까?

먼저 "거의 항상 그렇습니다"라는 간단한 대답을 먼저해야한다고 생각합니다.

이것은 지루 했으므로 더 흥미로운 것들, 합병증으로 들어가 봅시다.

몬테 카를로 방법은 종종 확률이 아닌 문제에 적용됩니다. 예를 들어 Monte Carlo integration을 확인하십시오 . 이것은 임의의 정수가 아닌 임의의 정수를 취하는 것입니다. 이것은 마틴의 관점에서 MC가 적용되는 문제의 본질에 관한 것이었다.

Monte Carlo 방법의 또 다른 측면은 일반적으로 난수를 사용하지 않는다는 것입니다. MC 방법은 가장 일반적으로 의사 난수 생성기를 사용 합니다. 이들은 임의의 숫자가 아닙니다. 시드를 설정하면 생성 된 시퀀스의 모든 숫자가 시드에 의해 절대적으로 정의됩니다. 그들은 임의의 숫자처럼 보이고 냄새가 나므로 우리는 그것들을 사용합니다.

구글은 MC 예를 들어, 같은 예제의 무한 찾을 수 있습니다 이 . 이 특정 예는 확률 등 이러한 모든 방정식이 있지만, 그것은 함수 사용 간다 rgamma (.) 로부터 난수처럼 대단히 많이 보인다이 함수 psudo 난수의 시퀀스를 생성 R.에서 감마 분포 .

말했듯이, 진정한 난수 시퀀스가 있습니다. 놀랍게도 적은 수의 통계 학자들이 그것들을 사용하거나 심지어 알고 있습니다. 그 이유는 의사 랜덤 생성기가 훨씬 더 편리하고 빠르기 때문입니다. 진정한 난수는 비싸므로, 하드웨어 숫자 생성기 (TRNG) 를 구입해야합니다 . 그들은 도박 응용 프로그램에서 많이 사용됩니다. 이들은 일반적으로 방사성 붕괴 및 전파, 열 등의 소음과 같은 물리적 소스에서 생성됩니다.

마지막으로 Quasi Monte Carlo 라는 메소드가 있습니다. 이들은 임의의 숫자처럼 보이지 않는 숫자의 시퀀스를 사용합니다. 예를 들어 소위 낮은 불일치 숫자의 Sobol 시퀀스 .