Implementazioni di algoritmi/Metodo Monte Carlo: differenze tra le versioni

La simulazione Monte Carlo calcola una serie di realizzazioni possibili del fenomeno in esame, con il peso proprio della probabilità di tale evenienza, cercando di esplorare in modo denso tutto lo spazio dei parametri del fenomeno [nota da altro utente: siamo sicuri che sia corretto dire esplorare lo spazio dei parametri del fenomeno? estraendo tanti campioni, quindi osservando tante realizzazioni, a mio avviso stiamo esplorando lo spazio campionario e non quello parametrico, infatti quando estraiamo da una distribuzione nota, noi assumiamo una forma funzionale o sbaglio?]. Una volta calcolato questo campione rappresentativo, la simulazione esegue delle 'misure' delle grandezze di interesse su tale campione. La simulazione Monte Carlo è ben eseguita se il valore medio di queste misure sulle realizzazioni del sistema converge al valore vero.