Mô phỏng Monte Carlo là một phương pháp thống kê sử dụng lấy mẫu ngẫu nhiên để lập mô hình và phân tích hành vi của một hệ thống hoặc quy trình.

Ý tưởng cơ bản là lặp lại mô phỏng nhiều lần, mỗi lần với các đầu vào ngẫu nhiên khác nhau, để xem hệ thống hoạt động trung bình như thế nào và phạm vi kết quả nào có thể xảy ra.

Kết quả của mỗi mô phỏng sau đó được kết hợp để đưa ra một bức tranh toàn diện về hành vi của hệ thống. Mô phỏng Monte Carlo được sử dụng khi không thể thực hiện các giải pháp phân tích hoặc khi cần hiểu rõ hơn về sự không chắc chắn và rủi ro.

Không thể lặp lại mãi được. Thay vào đó, chúng tôi lặp lại thí nghiệm với số lần đủ lớn để tạo ra kết quả thực tế tương đương với việc làm đi làm lại mãi mãi. Đây là một ví dụ về mô phỏng Monte Carlo.

Những điểm chính

• Mô phỏng Monte Carlo lập mô hình xác suất của các kết quả khác nhau bằng cách lặp lại một quá trình ngẫu nhiên với số lần đủ lớn để các kết quả tương tự với những gì sẽ quan sát được nếu quá trình này được lặp lại mãi mãi.
• Hàm sample()rút ra các kết quả ngẫu nhiên từ một tập hợp các tùy chọn.
• Hàm replicate()lặp lại các dòng mã một số lần đã đặt. Nó được sử dụng với sample()các chức năng tương tự để chạy mô phỏng Monte Carlo.

beads <- rep(c("red", "blue"), times = c(2,3))    # create an urn with 2 red, 3 blue
beads    # view beads object
sample(beads, 1)    # sample 1 bead at random
B <- 10000    # number of times to draw 1 bead
events <- replicate(B, sample(beads, 1))    # draw 1 bead, B times
tab <- table(events)    # make a table of outcome counts
tab    # view count table
prop.table(tab)    # view table of outcome proportion

Để làm điều này, chúng tôi lấy mẫu bằng cách thay thế. Sau khi chúng tôi chọn hạt, chúng tôi đặt nó trở lại bình. Chúng ta có thể yêu cầu mẫu thực hiện việc này bằng cách thay đổi đối số thay thế mặc định là sai thành đúng.