蒙特卡洛==是否应用随机过程？

我从来没有参加过正式的统计学课程，但是由于我的研究领域，我经常遇到一些应用了几种统计学概念的文章。

通常，我会看到对适用于给定情况的蒙特卡洛过程的描述，对于我可以从10次中收集到9次的结果，可以归结为简单的随机人口总体及其后续研究。

我的问题：在统计世界中，蒙特卡洛（Monte Carlo）是一种代码字，适用于涉及点/种群/等的随机生成的任何算法吗？

我想我首先应该给您一个简单的答案，即“是的，几乎总是这样”。

这很无聊，所以让我们进入更多有趣的东西，可以这么说是复杂的。

蒙特卡洛方法通常应用于绝对非随机问题。例如，查看蒙特卡洛积分。这是要取绝对不是随机的定积分。就Maarten而言，这是关于MC所应用的问题的性质。

蒙特卡洛方法的另一个方面是它们通常不使用随机数，我什至不会说。MC方法最常使用伪随机数生成器。这些根本不是随机数。想想看：如果设置种子，那么生成序列中的每个数字都是由种子绝对定义的。它们看起来和闻起来像随机数，所以我们使用它们。

谷歌为MC的例子，你会发现像例子无限数量的这种。这个特定的示例具有所有这些带有概率等的方程，但随后继续在R中使用函数rgamma（。）。此函数生成伪随机数序列，该序列看起来非常像Gamma分布中的随机数。

话虽如此，这里有真正的随机数序列。令人惊讶的是，只有少数统计学家使用它们，甚至意识到它们。原因是伪随机生成器更加方便快捷。真正的随机数很昂贵，您必须购买它们或硬件数字生成器（TRNG）。他们在赌博应用中使用很多。它们通常是从物理源生成的，例如放射性衰变和无线电波中的噪声，热量等。感谢@scruss指出，最近TRNG变得更加容易使用。

最后，有一系列方法称为Quasi Monte Carlo。这些使用甚至不假装看起来像随机数的数字序列，例如所谓的低差异数的Sobol序列。