有文盲看见“蒙特卡罗方法”就想当然认为是“统计”学的问题。
下面是英文《维基》对“蒙特卡罗方法”的解释，主要用谷歌翻译，稍作改动。
请特别注意，该方法主要用于三大问题：优化、数值积分和概率分布图。本文还提到其他应用。该方法本身就是用计算机产生随机数。就这么简单。c语言就是 n = get_random()。其“方法”就是用大量的随机数来确定数值问题。
下面是维基文：
蒙特卡罗方法或蒙特卡罗实验是一类广泛的计算算法，它们依赖于重复随机抽样来获得数值结果。 基本概念是使用随机性来解决原则上可能是确定性的问题。 它们通常用于物理和数学问题，并且在难以或不可能使用其他方法时最有用。 蒙特卡洛方法主要用于三个问题类别：优化、数值积分和概率分布图。【赛按：刘刚先生贴过关于“优化”的帖子，樊弓先生前几天说的其实就是“数值积分”】
在与物理相关的问题中，蒙特卡罗方法可用于模拟具有许多耦合自由度的系统，例如流体、无序材料、强耦合固体和细胞结构（参见细胞 Potts 模型、相互作用粒子系统、McKean–Vlasov 过程、 气体动力学模型）。
其他示例包括对输入具有显着不确定性的现象进行建模，例如业务中的风险计算以及数学中具有复杂边界条件的多维定积分的评估。 在应用于系统工程问题（太空、石油勘探、飞机设计等）时，基于蒙特卡罗的故障预测、成本超支和进度超支通常优于人类直觉或其他“软”方法。 [2]
原则上，蒙特卡洛方法可用于解决任何具有概率解释的问题。 根据大数定律，一些随机变量的期望值描述的积分可以通过取变量的独立样本的经验平均值（也称为“样本平均值”）来近似。 当变量的概率分布被参数化时，数学家经常使用马尔可夫链蒙特卡洛 (MCMC) 采样器。 [3][4][5] 中心思想是设计一个具有规定平稳概率分布的明智马尔可夫链模型。 也就是说，在极限情况下，MCMC 方法生成的样本将是来自所需（目标）分布的样本。根据遍历定理，平稳分布可以通过 MCMC 采样器随机状态的经验度量来近似。
下面是英文《维基》对“蒙特卡罗方法”的解释，主要用谷歌翻译，稍作改动。
请特别注意，该方法主要用于三大问题：优化、数值积分和概率分布图。本文还提到其他应用。该方法本身就是用计算机产生随机数。就这么简单。c语言就是 n = get_random()。其“方法”就是用大量的随机数来确定数值问题。
下面是维基文：
蒙特卡罗方法或蒙特卡罗实验是一类广泛的计算算法，它们依赖于重复随机抽样来获得数值结果。 基本概念是使用随机性来解决原则上可能是确定性的问题。 它们通常用于物理和数学问题，并且在难以或不可能使用其他方法时最有用。 蒙特卡洛方法主要用于三个问题类别：优化、数值积分和概率分布图。【赛按：刘刚先生贴过关于“优化”的帖子，樊弓先生前几天说的其实就是“数值积分”】
在与物理相关的问题中，蒙特卡罗方法可用于模拟具有许多耦合自由度的系统，例如流体、无序材料、强耦合固体和细胞结构（参见细胞 Potts 模型、相互作用粒子系统、McKean–Vlasov 过程、 气体动力学模型）。
其他示例包括对输入具有显着不确定性的现象进行建模，例如业务中的风险计算以及数学中具有复杂边界条件的多维定积分的评估。 在应用于系统工程问题（太空、石油勘探、飞机设计等）时，基于蒙特卡罗的故障预测、成本超支和进度超支通常优于人类直觉或其他“软”方法。 [2]
原则上，蒙特卡洛方法可用于解决任何具有概率解释的问题。 根据大数定律，一些随机变量的期望值描述的积分可以通过取变量的独立样本的经验平均值（也称为“样本平均值”）来近似。 当变量的概率分布被参数化时，数学家经常使用马尔可夫链蒙特卡洛 (MCMC) 采样器。 [3][4][5] 中心思想是设计一个具有规定平稳概率分布的明智马尔可夫链模型。 也就是说，在极限情况下，MCMC 方法生成的样本将是来自所需（目标）分布的样本。根据遍历定理，平稳分布可以通过 MCMC 采样器随机状态的经验度量来近似。
