In principle, Monte Carlo methods can be used to solve any problem having a probabilistic interpretation. مبدئياً، يمكن تطبيق طريقة مونت كارلو على أي مشكلة يتخللها تعدد الإحتمالات.
Though examples of an "inverted" approach do exist historically, they were not considered a general method until the popularity of the Monte Carlo method spread. على الرغم من أن أمثلة المقاربة المعكوسة توجد تاريخيا بالفعل لكنهم لم يعتبروا كطريقة عامة حتى اتنشار طريقة مونت كارو.
With other distributions, or combinations of different distributions, a Monte Carlo method or simulation is often the most practical way to quantify the effects of statistical interference. باستخدام توزيعات الاحتمال الأخرى، أو مجموعات التوزيعات الاحتمالية المختلفة، تكون طريقة مونت كارلو أو المحاكاة هي الطريقة الأكثر عملية لتحديد كمية تأثيرات التداخل الإحصائي.
In 1953, along with Nicholas Metropolis, Arianna Rosenbluth, Marshall Rosenbluth, and Augusta Teller, Teller co-authored a paper that is a standard starting point for the applications of the Monte Carlo method to statistical mechanics. في عام 1953، جنبا إلى جنب مع نيكولاس متروبوليس ومارشال روزنبلوت، تيللر شارك في تأليف ورقة وهي نقطة انطلاق قياسية للتطبيقات من طريقة مونت كارلو إلى الميكانيكا إحصائية.
In general, the posterior distribution cannot be found in closed form and so must be approximated, usually using Laplace approximations or some type of Markov chain Monte Carlo method such as Gibbs sampling. بشكل عام، التوزيع الخلفي لا يمكن العثور عليها في شكل مغلق ولذا يجب تقتريبه، وعادة ما تستخدم تقريبية لابلاس أو أي نوع من سلسلة ماركوف مونت كارلو مثل جيبس أخذ العينات.
جوال إصدار