Monte Carlo == 是否應用隨機過程？
我從來沒有上過正式的統計課程，但由於我的研究方向，我經常看到應用了幾個統計概念的文章。
通常我會看到對特定情況下的蒙特卡洛過程的描述，而對於我所能收集到的 10 次中的 9 次，它歸結為群體的簡單隨機生成及其後續研究。
我的問題：在統計世界中，蒙特卡洛是任何涉及隨機生成點/人口/等的算法的一種代碼字，還是有更多的東西？
我想我應該首先給你一個簡單的答案，那就是“是的，幾乎總是”。
這很無聊，所以讓我們進入更有趣的東西，可以說是並發症。
蒙特卡羅方法通常應用於絕對非隨機問題。例如，查看Monte Carlo integration。這是取完全非隨機的定積分。在 Maarten 看來，這是關於應用 MC 的問題的性質。
蒙特卡洛方法的另一個方面是它們通常不使用隨機數，我什至會說幾乎從不使用。MC 方法最常使用偽隨機數生成器。這些根本不是隨機數。想一想：如果你設置了種子，那么生成的序列中的每個數字都是由種子絕對定義的。它們看起來和聞起來都像隨機數，所以我們使用它們。
谷歌搜索 MC 示例，您會發現無數這樣的示例。這個特殊的例子有所有這些帶有概率等的方程，但是它繼續使用 R 中的函數rgamma(.)。這個函數生成偽隨機數序列，它看起來非常像Gamma 分佈中的隨機數.
話雖如此，有真正的隨機數序列。令人驚訝的是，很少有統計學家使用它們，甚至知道它們。原因是偽隨機生成器更加方便快捷。真正的隨機數很昂貴，您必須購買它們或硬件數字生成器（TRNG）。它們在賭博應用中被大量使用。它們通常由物理源產生，例如無線電波中的放射性衰變和噪聲、熱量等。感謝@scruss 指出最近 TRNG 變得更容易獲得。
最後，還有一個稱為準蒙特卡羅的方法族。這些使用甚至不假裝看起來像隨機數的數字序列，例如所謂的低差異數的Sobol 序列。