蒙特卡罗方法应该在什么情况下使用?
例如,为什么乔尔决定在基于证据的进度管理中使用蒙特卡罗方法,而不是系统地处理过去一年的所有用户数据?
蒙特卡罗方法应该在什么情况下使用?
例如,为什么乔尔决定在基于证据的进度管理中使用蒙特卡罗方法,而不是系统地处理过去一年的所有用户数据?
假设你想要估计一些感兴趣的数量。在Joel的例子中,“船期”就是你想要估计的内容。在大多数这种情况下,有一些随机因素会影响我们的估计。
当你有一个随机量时,通常需要知道它的均值和标准差,以便采取适当的行动。在简单的情况下,可以将该数量建模为标准分布(例如正态分布),并且存在用于均值和标准差的解析公式。然而,存在许多情况没有解析公式。在这种情况下,我们不使用解析解来计算均值和标准差,而是采用模拟方法。其思路如下:
步骤1:使用适当的分布生成影响所需数量的因素
步骤2:计算所需数量
重复步骤1和2很多次,并计算你想要了解的经验平均值和标准差。
上述内容迄今为止是蒙特卡罗应用程序的典型应用。请参阅Jarrod提供的维基百科链接,其中包含几个这样的应用程序以及一些有趣应用的示例,其中不存在固有的随机性(例如估计pi的值)。