我喜欢您的问题,但对2和3没有具体答案?我想像SAS之类的软件包(广泛地说是SAS产品,而不仅仅是SAS / STAT)可能具有促进仿真的工具,但我不能肯定地说。我认为这种事情不适合作为数学或统计学的分支。
现在问题1是我想重点关注的问题。模拟可以帮助学习所有级别的统计信息,并且通常可以帮助进行统计研究。确实,有一些期刊侧重于模拟和计算。甚至FDA也意识到模拟在设计临床试验和帮助预测结果方面的重要性。
1960年代,朱利安·西蒙(Julian Simon)教授以模拟为动力的入门统计学。尽管引起争议,他后来声称自己在Efron之前进行了重采样(排列和引导)。他在1969年使用这些思想出版了一本书。它当然缺乏理论,只是一种教学辅助手段,并不是统计估计的新方法。他没有开发埃夫隆(Efron)随附或之后的任何数学特性。
我认为,对于介绍性统计资料,进行仿真以演示抽样分布,展示中心极限定理是如何产生的,而通过梅花形的物理仿真演示中心极限定理的DeMoivre-Laplace版本非常有用。
有时它会增强直觉。我认为,即使对于像Paul Erdos这样的数学家来说,Monty Hall问题也令人困惑,而且似乎是自相矛盾的。但是模拟游戏通常非常令人信服。我认为这有很多可能是违反直觉的,模拟可以解决问题。
1978年,当我在极值理论领域攻读博士学位时,我有一个直觉的想法就是要证明的极限定理。我在数学上苦苦挣扎。然后,我决定模拟随机过程,然后模拟“确认”了我的结果。这使我有信心进行证明。
因此,即使在研究生层次上,以及超出模拟范围,也可以通过两种方式使用。
按照问题1的建议帮助发展直觉
确认我在论文中所做的直觉