蒙特卡罗模拟是用来研究如何模型响应于随机生成的输入的技术。它一般包括三个步骤：

1. 随机生成“N”个输入(有时称为场景)。
2. 运行用于每个“N”输入的模拟。模拟是在被分析的系统的计算机模型运行。
3. 骨料和评估从所述模拟输出。常见的措施包括输出的平均值，输出值的分布，并且最小或最大输出值。

系统利用蒙特卡罗模拟包括金融，物理和数学模型进行分析。因为模拟是彼此独立的，Monte Carlo模拟本身很适合并行计算技术，其可以减少显著花费来执行计算的时间。

蒙特卡罗模拟在MATLAB

该MATLAB^®语言提供了多种可以用来建立蒙特卡罗模拟模型和运行这些模拟高层次的数学函数。MATLAB用于金融建模，天气预报，运营分析等诸多应用。

在金融建模中，蒙特卡罗模拟为价格、利率和经济预测提供信息;风险管理;和压力测试。金融工具箱™提供随机微分方程工具来构建和评估随机模型。风险管理工具箱™促进信用模拟，包括copula模型的应用。

为了更好地控制输入生成，统计和机器学习工具箱™提供各种各样的概率分布，可用于生成连续和离散输入。

Simulink中的蒙特卡罗仿真金宝app

您可以建模和模拟多域系统金宝app^®表示控制器，电机，增益和其他组件。该设计以及这些复杂系统的测试涉及多个步骤，包括确定哪个模型参数对要求和行为，记录和分析的仿真数据的影响最大，和验证系统的设计。

蒙特卡罗模拟可以帮助您通过允许您运行参数扫描获得在你的设计的信心，探索您的设计空间，测试多个场景，并使用这些模拟的结果通过统计分析来指导设计过程。金宝app仿真软件优化设计™提供一个互动的工具来执行这一敏感性分析，影响您的Simulink模型的设计。金宝app

并行运行的蒙特卡洛模拟

为了提高您的Monte Carlo模拟的性能，您可以使用在多个内核上并行分布的计算来运行并行计算工具箱™和MATLAB分布式计算服务器™。