Monte Carlo simulation（蒙特卡洛模拟）

蒙特卡洛模拟基于概率统计理论，通过大量随机样本的统计特性来估计目标量。其核心思想是大数定律和中心极限定理。方法步骤包括：定义输入变量的概率分布、生成随机样本、计算输出、统计分析。在AI领域，它用于强化学习中的策略评估（如蒙特卡洛树搜索）、贝叶斯推断中的后验采样、以及模型不确定性估计。代表性应用包括AlphaGo中的MCTS和金融衍生品定价。