有些问题用公式算不出来，但可以用“大量随机试验”来估计答案——这就是蒙特卡洛方法。它因摩纳哥的蒙特卡洛赌场而得名，是现代科学、金融和工程里最强大的工具之一。这篇文章讲它的原理和用途。

蒙特卡洛是什么

蒙特卡洛方法的核心思想：用大量随机样本模拟过程，统计结果来逼近真实答案。比如估算圆周率：在正方形里随机撒点，统计落在内切圆里的比例，比例 × 4 就接近 π。试验次数越多，结果越接近真实值。它把“算不出来”变成“模拟出来”。

一个直观的例子

估算一个不规则形状的面积，用公式很难算；把形状放进一个已知面积的方框，随机撒 10000 个点，数落在形状内的比例，比例 × 方框面积就是近似面积。用本站的随机数生成器生成坐标点，亲手做一次模拟，就理解了蒙特卡洛的原理。

它的用途

蒙特卡洛应用极广：金融里的风险评估（模拟上万次市场走势）、工程里的可靠性分析、物理学里的粒子模拟、游戏里的 AI 决策。它的优势是通用：只要能把问题描述成“随机过程”，就能模拟。缺点是需要大量计算，精度随样本量提升。

和概率的联系

蒙特卡洛依赖大数定律：样本越多，统计结果越稳定。但单次模拟有随机误差，所以工程上会跑多个“种子”看结果的稳定性。用本站的随机数生成器做多次试验，你会发现每次结果略有不同，但多次平均后趋于稳定——这就是模拟的“收敛”。

用模拟做决策

生活中的小决策也可以用模拟思路：不确定的事情多试几次、看结果的分布，比凭感觉判断可靠。蒙特卡洛听起来高深，本质就是“多试几次、看统计”。随机不是混乱，而是探索复杂世界的工具。理解了它，你会对“用数据说话”有更深的理解。