몬테카를로 방법은 무엇입니까?

몬테카를로 방법에서 일반적으로 차례로 개념에 기반 통계적 모델링 방법 중 하나로서 이해되는 "블랙 박스."

몬테 카를로 방법은 현상의 분석 모델의 사용이 어렵거나 완전히 불가능한 경우에 참여하고있다 (대기 이론의 문제 해결 예를 들어, 운영 연구, 확률 과정의 연구 등을 요약).

우리가 더 자세히 경제의 몬테 카를로 방법을 생각해 보자.

통계적 모델링의 방법의 적용은 큐잉 이론의 범위를 예시 할 수있다. 그래서, 당신은 당신이 특정 (초기 설정)에서 줄 고객을 위해 기다릴 필요가 얼마나 오래, 얼마나 자주 발견한다고 가정 용량 상점의. 이러한 계산은 처음부터 필요는 저장소가 있어야한다 확장 여부에 대한 결정을 내릴 수 있습니다. 아시다시피, 일반적으로 임의의 불확실한 따라서, 소위 시간 방식의 분포가 다음 사용 가능한 정보를 기반으로 구매자가 독립적으로 설정할 수있는 각 두 개의 연속 본당 사이에 격차가 있고, 구매자에 접근. 다른 한편으로, 각 고객의 서비스 시간도 따라서 유통도 감지 할 수 있으며, 임의의 문자를 가지고있다. 그래서 우리는이 개 확률 과정, 모든 생성 직접적인 상호 작용이있다.

분포의 동일한 특성을 유지하면서, 모든 가능성을 통해 무작위로 여러 번 할 수 있습니다 실제 몬테카를로 방법을 사용하여 연습 쇼,로. 결과는이 과정의 전체 그림을 다시 만들기 인위적으로 될 것입니다. 그들이 실시간으로 수집 된 경우마다 조건을 변경, 다시이 패턴을 반복하는, 그 통계를 얻을 수있다.

마찬가지로, 당신은 다시 여러 번 연습으로 몬테카를로 방법을 가하고, 거의 모든 상점의 작업의 인공 사진을 재현 할 수 있습니다. 이 경우 시뮬레이션 모델링은 실제 데이터를 반복하는 것입니다. 이 개 확률 과정 위에 다시 얻을 수있다. 최종 결과에서 이들의 대체 상호 작용은 다시 한 번 실제 생활에서와 거의 동일한 성능에서 "모두"를 제공 할 것입니다.

따라서, 연구 몬테카를로 방법은 임의 실현의 반복 응용 프로그램에 의해 인공 모델링 구성되어 있습니다. 소위 개별 실현 달리 통계적 시험을 언급하는 것이 중요하다.

단순히 가장 일반적인 사용해야 임의의 선택 메커니즘 무엇을 의미하는지 이해하기 위해 주사위를. 그러나 실제로는 원칙적으로 임의의 숫자의 테이블이 사용됩니다. 또한, 전문가들이다 컴퓨터의 현재 인기와 특별 프로그램은 난수 발생기를했다. 사실, 몬테카를로 방법은 경제 및 기타 자연 과학 모두에서 자사의 광범위한 사용을 일으키는 매우 간단하고 효과적이고 사용하기 쉽습니다.