Giả sử bạn muốn ước tính một số lượng quan tâm. Trong ví dụ về 'ngày tàu' của Joel là những gì bạn muốn ước tính. Trong hầu hết các tình huống như vậy, có những yếu tố ngẫu nhiên tác động đến các ước tính của chúng tôi.
Khi bạn có số lượng ngẫu nhiên, bạn thường muốn biết giá trị trung bình của nó và độ lệch chuẩn để bạn có thể thực hiện các hành động thích hợp. Trong các tình huống đơn giản, bạn có thể mô hình hóa số lượng dưới dạng phân bố chuẩn (ví dụ: phân phối bình thường) mà công thức phân tích tồn tại cho giá trị trung bình và độ lệch chuẩn. Tuy nhiên, tồn tại nhiều tình huống mà công thức phân tích không tồn tại. Trong những tình huống như vậy, thay vì giải pháp phân tích cho giá trị trung bình và độ lệch chuẩn, chúng tôi sử dụng mô phỏng. Ý tưởng là:
Bước 1: Tạo các yếu tố có ảnh hưởng đến số lượng quan tâm sử dụng các bản phân phối thích hợp
Bước 2: Tính toán số lượng quan tâm
Lặp lại bước 1 và 2 nhiều lần và tính trung bình thực nghiệm và độ lệch chuẩn cho những gì bạn muốn biết.
Ở trên là cho đến nay ứng dụng điển hình của ứng dụng monte carlo. Xem liên kết wikipedia do Jarrod cung cấp cho một số ứng dụng như vậy và một số ví dụ về các ứng dụng thú vị mà không có ngẫu nhiên vốn có (ví dụ: ước tính của pi).
bạn có ý nghĩa gì khi 'xử lý theo phương pháp' dữ liệu người dùng? mẫu ngẫu nhiên là một cách khá cơ bản để thêm đường cong chuông, làm thế nào bạn sẽ làm điều đó? – amwinter
Bạn không thể xử lý tất cả dữ liệu có sẵn và đưa ra cùng thống kê cho biết "75% dữ liệu lớn hơn X, 50% dữ liệu lớn hơn Y và 25% dữ liệu lớn hơn Z"? – Gili