몬테 카를로 방법은 일반적으로 통계적 모델링 방법 중 하나로 이해되며, 이는 "블랙 박스"의 개념을 기반으로합니다.
Monte Carlo 방법은 현상의 분석 모델 사용이 어렵거나 완전히 불가능한 경우에 사용됩니다 (예: 큐잉 이론의 문제 해결, 연구 작업, 무작위 프로세스 연구로 축소 등).
경제학에서 몬테카를로 방법을 좀 더 자세히 살펴 보겠습니다.
이러한 통계 모델링 방법의 적용은 큐잉 이론의 구체로부터 예를 들어 설명 될 수있다. 따라서 상점의 특정 (초기 설정) 대역폭에서 대기열에있는 고객을 얼마나 오래 그리고 얼마나 자주 기다려야하는지 알아야한다고 가정하십시오. 이 계산은 주로 상점 확장 여부를 결정하는 데 필요합니다. 아시다시피 구매자의 접근 방식은 원칙적으로 임의적이거나 무기한이므로 소위 접근 시간의 분포, 즉 구매자의 두 연속 도착 사이의 간격은 사용 가능한 정보를 기반으로 독립적으로 결정할 수 있습니다. 한편, 각 고객의 서비스 시간도 임의적이기 때문에 분포도 감지 할 수 있습니다. 따라서 두 가지 확률 적 프로세스가 있기 전에 직접 상호 작용하여 대기열을 만듭니다.
실습에서 알 수 있듯이 실제 생활에서 Monte Carlo 방법을 사용하면 동일한 분포 특성을 유지하면서 모든 가능성을 여러 번 무작위로 정렬 할 수 있습니다. 결과적으로이 과정의 전체 그림을 인위적으로 재현 할 수 있습니다. 그런 다음 조건을 변경할 때마다이 그림을 다시 반복하면 마치 마치 실시간으로 수집 된 것처럼 통계 데이터를 얻을 수 있습니다.
같은 방법으로 실제로 Monte Carlo 방법을 사용하여 거의 모든 매장의 작품에 대한 인공 그림을 여러 번 재현 할 수 있습니다. 이 경우 시뮬레이션은 실제 데이터를 반복합니다. 또한, 전술 한 2 개의 확률 적 프로세스가 얻어진다. 최종 결과에서의 교호 작용은 실제와 거의 동일한 지표를 가진 "대기열"을 다시 생성합니다.
따라서 과학의 Monte Carlo 방법은 무작위 구현에서 반복 반복을 통한 인공 모델링으로 구성됩니다. 소위 단위 구현은 통계 테스트라고도합니다.
무작위 선택 메커니즘이 의미하는 바를 이해하려면 가장 일반적인 주사위를 사용하면됩니다. 그러나 실제로는 일반적으로 난수 표가 사용됩니다. 또한 현재 컴퓨터를위한 특수 프로그램이 특히 유명하며 전문가들 사이에서 난수 생성기라고합니다. 실제로 Monte Carlo 방법은 매우 간단하고 효율적이며 편리하여 경제학 및 기타 정확한 과학 분야에서 널리 사용됩니다.
