为什么要使用蒙特卡罗方法？

Question

什么时候应该使用蒙特卡罗方法？

例如，为什么Joel决定使用蒙特卡罗方法Evidence Based Scheduling而不是有条不紊地处理过去一年的所有用户数据？

Answer 1

蒙特卡罗方法常用when the dimensionality of the problem is too high for traditional schemes。关于这一主题的伟大的介绍性论文是Persi Diaconis'The Markov Chain Monte Carlo Revolution。

Answer 2

假设您想估计一些兴趣量。在Joel的例子中，“发货日期”是您想要估算的。在大多数此类情况下，随机因素会影响我们的估算。

如果您有随机数量，通常需要知道其均值和标准差，以便您可以采取适当的措施。在简单的情况下，您可以将数量建模为标准分布（例如，正态分布），对于平均值和标准偏差存在分析公式。但是，存在许多不存在分析公式的情况。在这种情况下，我们采用模拟来代替均值和标准差的解析解。这个想法是：

步骤1：使用适当的分布生成影响感兴趣数量的因素

第2步：计算感兴趣的数量

多次重复步骤1和2，并计算您想知道的经验平均值和标准差。

以上是蒙特卡罗应用的典型应用。请参阅Jarrod提供的维基百科链接，了解几个此类应用程序和一些有趣的应用程序示例，其中没有固有的随机性（例如，pi的估计）。

Answer 3

Wikipedia有一篇关于蒙特卡罗模拟方法的好文章。我曾经在一些场合使用蒙特卡罗 - 简而言之，当试图使用非常随机的样本集来投射结果时，MC方法倾向于给出准确的答案，并且有些人通常会使用直觉来尝试猜测趋势。不幸的是，尝试解释MC方法非常困难所以请查看文章。

Answer 4

因为在安排编程任务时估计通常分布很广，所以统计处理它们更有意义。

如果我们采取一项承担100项任务的项目，估算中的错误将会消失，最终会得出一个分布，表明项目完成的可能性是一个范围。

它还避免了一些严重的问题，如任务缓冲和学生综合症，甚至进一步扭曲结果。

Answer 5

有时检查所有选项简直是禁止的。