概念卡：蒙特卡洛模拟 Monte Carlo Simulation
概念卡：蒙特卡洛模拟 Monte Carlo Simulation
一句话定义
蒙特卡洛模拟是通过大量随机重复实验来估计结果分布或数值答案的方法。
它解决什么问题
它帮助我们在解析计算困难时，用随机模拟近似概率、期望、风险或模型表现。
典型使用场景
- 估计复杂概率。
- 模拟风险损失分布。
- 检查统计估计量表现。
- 验证理论结论的直觉。
需要知道的关键词
- Random Sampling
- Simulation
- Repetition
- Approximation
- Monte Carlo Error
和导师方向的关系
蒙特卡洛模拟常用于应用统计、极值风险估计和复杂系统仿真，是把理论问题转成可实验问题的入门工具。
交流时可以怎么说
如果解析推导较难，可以先用蒙特卡洛模拟建立直觉和检查结果。
模拟结果需要说明随机种子、重复次数和模拟假设。
可以追问的问题
- 模拟假设是否贴近真实数据？
- 重复次数是否足够？
- 模拟误差有多大？
给 AI 的提示词
请解释蒙特卡洛模拟。要求给直觉、适用场景、局限，并用 Python 模拟一个风险损失分布。
我的理解边界
- 已理解：蒙特卡洛用随机重复近似答案。
- 还不确定：模拟误差的量化。
- 下次需要补：置信区间和模拟误差。