Perché usare metodo Monte-Carlo?

Question

Quando deve essere utilizzato il metodo Monte-Carlo?

Per esempio, perché Joel decide di utilizzare il metodo di Monte-Carlo per Evidence Based Scheduling invece di elaborazione metodicamente tutti i dati utente per l'anno passato?

Answer 1

Si supponga di voler stimare una certa quantità di interesse. Nell'esempio 'data di spedizione' del Joel è ciò che si vuole stimare. Nella maggior parte delle situazioni, ci sono fattori casuali che hanno un impatto nostre stime.

Quando si dispone di un quantitativo a caso, si vuole di solito per conoscere la sua media e la deviazione standard in modo da poter intraprendere le azioni appropriate. In situazioni semplici, è possibile modellare la quantità come una distribuzione standard (ad esempio, distribuzione normale) per cui esistono formule analitiche per la media e la deviazione standard. Tuttavia, esistono molte situazioni in cui non esistono formule analitiche. In tali situazioni, invece di una soluzione analitica per la media e la deviazione standard, si ricorre alla simulazione. L'idea è:

Passaggio 1: Generare fattori che influenzano la quantità di interesse utilizzando distribuzioni appropriate

Passaggio 2: quantità Compute di interesse

Ripetere i punti 1 e 2 molte volte e calcolare la media e la deviazione standard di empirica per ciò che si vuole sapere.

Quanto sopra è di gran lunga l'applicazione tipica applicazione di Monte Carlo. Vedi il link wikipedia fornito da Jarrod per diversi tali applicazioni e alcuni esempi di interessanti applicazioni dove non c'è casualità intrinseca (ad esempio, la stima di pi).

Answer 2

metodi Monte Carlo sono comunemente usati quando la dimensionalità del problema è troppo alto per schemi tradizionali . Un grande relazione introduttiva sull'argomento è Persi Diaconis' La catena di Markov Monte Carlo Rivoluzione .

Answer 3

Wikipedia ha un buon articolo su Monte Carlo metodi di simulazione. Ho usato Monte Carlo in alcune occasioni - in poche parole metodi MC tendono a dare risposte precise-ish quando si cerca di risultati del progetto utilizzando i set di esempio che sono più o meno casuale e qualcuno avrebbe in genere utilizzano l'intuizione per cercare di indovinare una tendenza. Purtroppo cercando di spiegare i metodi MC è piuttosto difficile in modo da controllare l'articolo.

Answer 4

Poiché le stime sono di solito abbastanza ampiamente distribuiti quando le attività di programmazione di programmazione ha più senso trattarli statisticamente.

Se prendiamo un progetto che prende 100 di compiti errori sulle stime saranno anche fuori e si finisce con una distribuzione che mostra la probabilità di completamento del progetto come una serie.

Si elude anche alcuni problemi gravi come il buffering compito e la sindrome studente inclinazione ulteriormente i risultati.

Answer 5

A volte il controllo di tutte le opzioni è semplicemente proibitivo.