📝 展开文字版内容（供搜索引擎索引）
🎲 蒙特卡洛模拟
一句话类比：想知道一个不规则水塘有多大？随机扔1000颗弹珠，数数多少颗落在水里——就能估出面积。算不清楚？那就随机试一万次。
大白话说：蒙特卡洛模拟是一种用大量随机试验来逼近无法精确计算的答案的方法。给不确定的变量随机取值，跑模型，重复几万次，统计结果分布——得到的不是一个虚假精确的数字，而是一张概率地图。
拆开看：
- 随机抽样：给每个不确定变量随机取一个值
- 模型计算：用这组随机值跑一遍公式，得到一个结果
- 大量重复：重复以上过程1万/10万次，每次随机值不同
- 结果统计：所有结果画成分布图，看最可能的区间
常见误解：
❌ 蒙特卡洛模拟就是猜/赌 → ✅ 单次随机是猜，但几万次后的统计规律非常可靠——这是大数定律
❌ 蒙特卡洛只用于金融 → ✅ 物理、工程、AI（AlphaGo）、医学都在用
❌ 结果是不精确的 → ✅ 模拟次数越多越接近真实值，概率分布比单一答案更有价值
类比的边界：
- 扔弹珠估面积的类比只展示了最简单的应用，实际蒙特卡洛可以处理极高维度的复杂问题
- 现实中的随机不是真随机，计算机用的是伪随机数，但统计效果一样
- 弹珠类比暗示均匀分布，但实际模拟中变量可以服从任何分布
📚本概念由 @cong yan 请求生成