蒙特卡洛方法（Monte Carlo methods）

蒙特卡洛方法，是用掷骰子——也就是随机采样——来回答棘手的数学问题，而不是用精确公式去求解它们。这个想法妙在简单：如果一项计算纠缠得没法直接做，那就带着随机性把它模拟许多遍，再把结果平均起来。它得名于那座著名的赌城，用纯粹的重复换取巧思，让计算机的速度顶替数学家的铅笔。

经典的玩具版，是靠往一个内切了圆的正方形里掷飞镖来估计圆周率。随机掷上千枚飞镖；落进圆内的比例，乘以四，就趋近于圆周率。不需要任何几何公式——只需数数命中。同样的把戏可以放大到正经问题上：要找出一个复杂过程的平均结果，就生成许多随机情景再把它们平均；要估计一个概率，就数数那事件在模拟中发生了多少次。

它为何重要：现实中极大一部分的量——一个投资组合的预期亏损、物理中粒子的行为、一个贝叶斯后验的平均——都是维度高到无法精确计算的积分或平均，而蒙特卡洛往往是唯一可行的路。它的诚实，体现在一个确切的权衡上：误差以「样本数的平方根分之一」的速度缩小，这意味着想把误差减半，得花上四倍的功夫。它给你的不是一个孤零零的答案，而是一个带有可量化误差范围的估计——而那个范围只会缓慢地收窄，所以高精度可能着实昂贵。