Như chi tiết trong cuốn sách của chúng tôi với các phương pháp thống kê của George Casella, Monte Carlo , các phương pháp này được sử dụng để sản xuất các mẫu từ một phân phối nhất định, với mật độ , để có ý tưởng về phân phối này, hoặc để giải quyết vấn đề tích hợp hoặc tối ưu hóa liên quan đến f . Chẳng hạn, để tìm giá trị của ∫ X h ( x ) f ( x ) d xff hoặc chế độ phân phối của h ( X ) khi X ∼ f ( x ) hoặc một lượng tử của phân phối này.
∫Xh(x)f(x)dxh(X)⊂R
h(X)X∼f(x)
Để so sánh chuỗi phương pháp Monte Carlo và Markov, phương pháp Monte Carlo mà bạn đề cập trên các tiêu chí có liên quan đòi hỏi người ta phải đặt nền tảng của vấn đề và mục tiêu của thí nghiệm mô phỏng, vì ưu và nhược điểm của từng trường hợp sẽ khác nhau tùy theo từng trường hợp.
Dưới đây là một vài nhận xét chung mà chắc chắn không bao gồm sự phức tạp của vấn đề :
- fu1,u2,…xfffxXf
- (xt)tfff
f(x)∝∫Zf~(x,z)dz
(xt)t(xt)txttfft
- g(x)
f(x)/g(x).
gfggf
I=∫Xh(x)f(x)dx,
I^=∫Xh(x)f(x)dx
f