AITerms 登入
統計方法AI基礎模型評估

蒙地卡羅方法(Monte Carlo Method)是什麼?

蒙地卡羅方法是一種利用隨機抽樣來估算數學問題解的計算技術。它通過大量模擬隨機事件,統計結果,從而得到近似解。

完整定義

蒙地卡羅方法(Monte Carlo Method)是一類利用隨機抽樣(或隨機數)來解決計算問題的數值方法。其核心思想是通過大量重複的隨機模擬,統計結果,從而得到問題的近似解。適用於解析解難以獲得或計算複雜度過高的問題。

白話說明

你有沒有遇過一個答案很難直接算出來,但你又想先知道大概值?

你可以把它想成丟很多次有規則的骰子,再用結果的平均樣子去估答案,先得到接近值,再看要不要加更多樣本。

它不是亂猜,而是把不確定性變成統計量,特別適合公式太難、維度太高、或系統太複雜的問題。

記住這句

算不出精確值時,就用大量抽樣逼近答案。

比喻:蒙地卡羅方法就像用「射飛鏢」來估算圓周率 -- 隨機地向一個包含圓的正方形靶子射很多飛鏢,統計落在圓內的比例,就能近似算出圓的面積,進而估算圓周率。

容易混淆

蒙地卡羅方法 vs 解析解法

蒙地卡羅方法:靠隨機抽樣求近似值

解析解法:靠公式直接求精確值

蒙地卡羅方法 vs 亂猜

蒙地卡羅方法:每次抽樣都有機率設計

亂猜:沒有統計基礎,結果不穩定

實際案例

估圓周率

在正方形裡隨機灑點,看看落在四分之一圓內的比例,比例越穩,π 的估計越接近真值。

風險模擬

金融團隊把利率、匯率、需求都當成隨機變數,跑很多次情境,估出虧損區間和尾端風險。

演算法與應用

蒙地卡羅方法的核心是「抽樣代表整體」,樣本越多,估計越穩。

如果每次抽樣成本低,它很適合拿來做模擬、積分、最佳化、以及不確定系統的分析。

它的弱點也很明確,收斂通常不快,樣本太少時誤差會很大。

情境判斷

Q1(直覺題):你要估算一個複雜模型的失敗率,沒有漂亮公式可用,最合理的方法是什麼?

用蒙地卡羅方法跑很多次隨機情境,從模擬結果估失敗率。

Q2(判斷題):樣本數翻倍後,估計值還是晃得很明顯,最可能卡在哪裡?

抽樣次數還不夠或變異太大,這種情況通常要增加樣本、改抽樣設計,或先降低問題的隨機性。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 2 題把蒙地卡羅方法列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本