Monte Carlo仿真是一种用于研究模型如何响应随机生成的输入的技术。它通常涉及三步过程：
- 随机生成“n”输入（有时称为场景）。
- 为每个“n”输入运行模拟。在分析系统的计算机化模型上运行模拟。
- 汇总并评估模拟中的输出。常用措施包括输出的平均值，输出值分布，以及最小或最大输出值。
使用Monte Carlo仿真分析的系统包括财务，物理和数学模型。由于仿真彼此独立，因此蒙特卡罗模拟很好地向平行计算技术提供很好，这可以显着减少执行计算所需的时间。
Matlab的蒙特卡罗模拟
这马铃薯®语言提供了各种高级数学函数，您可以用于构建Monte Carlo仿真的型号，并运行这些模拟。MATLAB用于金融建模，天气预报，运营分析以及许多其他应用。
在金融建模中，蒙特卡罗模拟通知价格，率和经济预测;风险管理;和压力测试。Financial Toolbox™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™促进信用仿真，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™提供各种概率分布，您可以用于生成连续和离散输入。
Monte Carlo仿真在Simulink中金宝app
您可以模拟和模拟多麦粉系统金宝app®表示控制器，电机，收益和其他组件。这些复杂系统的设计和测试涉及多个步骤，包括识别哪些模型参数对需求和行为的影响最大，日志记录和分析模拟数据，以及验证系统设计。
Monte Carlo模拟可以帮助您通过允许您运行参数扫描，探索您的设计空间，对多种场景进行测试，并使用这些模拟的结果来指导设计过程来指导设计过程通过统计分析来指导设计过程。金宝appSimulink Design Optimization™提供交互式工具，以执行此敏感性分析并影响您的Simulink模型设计。金宝app
并行运行Monte Carlo模拟
为了提高Monte Carlo模拟的性能，您可以使用多个核心并行运行计算并行计算工具箱™和MATLAB并行服务器™。
