मान लीजिए कि आप कुछ मात्रा में ब्याज का अनुमान लगाना चाहते हैं। जोएल के उदाहरण में 'शिप डेट' वह है जिसे आप अनुमानित करना चाहते हैं। ऐसी अधिकांश स्थितियों में, ऐसे यादृच्छिक कारक हैं जो हमारे अनुमानों को प्रभावित करते हैं।
जब आपके पास यादृच्छिक मात्रा होती है, तो आप आम तौर पर इसका मतलब और मानक विचलन जानना चाहते हैं ताकि आप उचित कार्यवाही कर सकें। सरल परिस्थितियों में, आप मात्रा को मानक वितरण (उदाहरण के लिए, सामान्य वितरण) के रूप में मॉडल कर सकते हैं जिसके लिए विश्लेषणात्मक सूत्र माध्य और मानक विचलन के लिए मौजूद हैं। हालांकि, ऐसी कई स्थितियां मौजूद हैं जहां विश्लेषणात्मक सूत्र मौजूद नहीं हैं। ऐसी परिस्थितियों में, औसत और मानक विचलन के लिए विश्लेषणात्मक समाधान की बजाय, हम सिमुलेशन का सहारा लेते हैं। विचार है:
चरण 1: उत्पन्न कारकों है कि ब्याज की मात्रा को प्रभावित उचित वितरण
चरण 2 का उपयोग कर: ब्याज की कंप्यूट मात्रा
चरण दोहराएं 1 और 2 में कई बार और अनुभवजन्य औसत की गणना और आप जो जानना चाहते हैं उसके लिए मानक विचलन।
उपर्युक्त मोंटे कार्लो एप्लिकेशन के सामान्य अनुप्रयोग से अब तक है। ऐसे कई अनुप्रयोगों के लिए जारोड द्वारा प्रदान किए गए विकिपीडिया लिंक और दिलचस्प अनुप्रयोगों के कुछ उदाहरण देखें जहां कोई अंतर्निहित यादृच्छिकता नहीं है (उदाहरण के लिए, पीआई का आकलन)।
उपयोगकर्ता डेटा को 'विधिवत रूप से प्रोसेसिंग' से आपका क्या मतलब है? यादृच्छिक नमूने घंटी घटता जोड़ने के लिए एक बहुत ही बुनियादी तरीका है, आप इसे कैसे करेंगे? – amwinter
क्या आप सभी उपलब्ध आंकड़ों को संसाधित नहीं कर सकते हैं और एक ही आंकड़े के साथ आते हैं कि "75% डेटा एक्स से बड़ा है, डेटा का 50% वाई से बड़ा है, और 25% डेटा ज़ेड से बड़ा है"? – Gili