蒙特卡洛==是否应用随机过程?


9

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?

Answers:


8

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


1
据我了解原始问题,OP想要知道的“随机性”是算法的属性,而不是算法解决的问题的属性。在这方面,标题可能会引起误解。因此,由蒙特卡洛积分解决的问题可能是非随机的,但是该算法肯定涉及随机数。
Maarten Buis'Feb

@MaartenBuis正是我的意思,对不起,如果我不清楚的话。我应该修改什么以使其更清楚?
加百利

1
您的上一次编辑已对您有所帮助。
Maarten Buis

1
@Gabriel,我更新了答案,感谢您的澄清
Aksakal

1
@scruss,我添加了对TRNG硬件的引用
Aksakal
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.