Diskussion:Monte-Carlo-Simulation

Zum Archiv

Wie wird ein Archiv angelegt?

Automatische Archivierung

Auf dieser Seite werden Abschnitte ab Überschriftenebene 2 automatisch archiviert, die seit 7 Tagen mit dem Baustein {{Erledigt|1=--~~~~}} versehen sind.

Rezension

Monte-Carlo-Methoden (oder Monte Carlo-Simulationen) sind eine Klasse von Computer-Algorithmen, die auf wiederholte Stichproben angewiesen sind, um ihre Ergebnisse zu berechnen. Monte-Carlo-Methoden werden oft in Computersimulationen von physikalischen und mathematischen Systemen eingesetzt. Diese Methoden eignen sich dazu verwendet werden, wenn es unmöglich ist ein exaktes Ergebnis mit einem deterministischen Algorithmus zu berechnen. Monte-Carlo-Methoden eignen sich besonders für die Simulation von Systemen mit vielen gekoppelten Freiheitsgraden, wie bei Flüssigkeiten, ungeordneten Materialien, stark gekoppelten Feststoffe und zellulären Strukturen. Sie sind auch geeignet zum modellieren von Phänomenen mit erheblicher Unsicherheit, wie die Berechnung des Risikos in Unternehmen. Sie sind ebenfalls weit verbreitet in der Mathematik um beispielsweise mehrdimensionale bestimmte Integrale mit komplizierten Randbedingungen zu bewerten. Als Monte-Carlo-Simulationen in der Weltraumforschung und Ölförderung angewandt wurden, waren ihre Vorhersagen von Fehlern, Kostenüberschreitungen und Zeitplanüberschreitungen im Allgemeinen besser als menschliche Intuition oder alternative Methoden.

So würde eine angemessene Einleitung für einen Artikel über die Monte-Carlo-Simulation klingen (welcher nicht mit dem Monte-Carlo-Algorithmus verwechselt werden sollte). Leider ist nur ein Teil davon in der eigentlichen Einleitung des Wikipedia-Artikels enthalten. Die grundlegenden Informationen, wie [...] ein Verfahren aus der Stochastik, bei dem sehr häufig durchgeführte Zufallsexperimente die Basis darstellen. Es wird dabei versucht, mit Hilfe der Wahrscheinlichkeitstheorie analytisch nicht oder nur aufwändig lösbare Probleme numerisch zu lösen. […] sind vorhanden. Jedoch weiterführende Informationen fehlen, denn bei einem so umfangreichen Thema, wie diesem hier, ist es wichtig das Potential der Einleitung voll auszunutzen. Zum einen sollte man möglichst viel Grundinformationen vermitteln, zum anderen auch einem Leser einen guten Überblick geben, ohne dass er sich zu weit in das Thema bewegen muss. Gut ist, dass [...] Als Grundlage ist vor allem das Gesetz der großen Zahlen zu sehen. [...] erwähnt wird, da es den Leser darauf einstellt, womit er hier zu arbeiten hat. Selbstverständlich sollte auch erwähnt werden, dass Grundbegriffe, wie „Zufallsexperiment“ und das „Gesetz der Großen Zahlen“ und weitere Begriffe einen Link zu den dazugehörigen Wikipedia-Artikeln bieten. Dies ist wichtig, damit weniger erfahrene Leser schneller an die Information kommen können.

Der weitere Aufbau verläuft weitgehend nach dem üblichen Wikipedia-Prinzip. Zunächst werden Anwendungsgebiete bzw. mögliche Lösungswege näher erläutern. Jedoch wurde dieser Teil als „Überblick“ benannt, welches er auch ist, aber eigentlich war die Einleitung der Überblick, den wir sehen wollten. Dieser Teil würde mit einem alternativen Überschrift, wie „Anwendungen“ weniger verwirrend wirken. Der Inhalt dieses Teils ist solide. Es werden die verschiedenen Anwendungen, die in der Einleitung erwähnt wurden, in allgemeiner Hinsicht erläutert. Z.B. Alternative zur analytischen Lösung von Problemen rein mathematischer Herkunft [...], [...] Verteilungseigenschaften von Zufallsvariablen unbekannten Verteilungstyps [...] und [...] die Nachbildung von komplexen Prozessen, die nicht direkt analysiert werden können [...]. Mit der Monte-Carlo-Methode kann man Probleme mit statistischem Verhalten simulieren. Diese Methode hat deshalb besonders in der Physik wichtige Anwendungen gefunden, wie z.B. lässt sich [...] der Weg eines einzelnen Regentropfens simulieren, der mit zufällig verteilten anderen Tropfen kollidiert [...] berechnen.

Der nächste Teil ist der geschichtliche Teil. Hier kann man sich streiten, ob eine kurze Zusammenfassung, wie in diesem Artikel, genügt, da es eigentlich hauptsächlich um die Methode geht, oder ob die gesamte Geschichte für jeden Aspekt der MC-Simulation zu Verfügung gestellt werden muss. Persönlich bin ich der Meinung, dass eine kurze Zusammenfassung nicht ausreichend ist. Da die Wikipedia kein wissenschaftliches Lexikon ist, existiert kein roter Faden an den man sich halten muss und hier könnten sowohl Mathematiker, als auch Historiker nach Informationen suchen. Deswegen denke ich, dass jede geschichtliche Information zu allen Aspekten der MC-Simulation in diesen Artikel gehört, falls dieser Aspekt noch nicht als selbstständiger Artikel vertreten ist.

Kommen wir nun zum mathematischen Teil des Artikels. Mathematisch ist das System ein wahrscheinlichkeitsgewichteter Weg im Phasenraum (allgemein Zustandsraum). Monte-Carlo-Simulationen sind besonders geeignet, um statistische Mittelwerte einer Größe oder hochdimensionaler Integrale (Monte-Carlo-Integration) zu berechnen. Die gegebenen Formeln und Definitionen in diesem Teil sind mathematisch alle korrekt, doch wie so oft in der Wikipedia, sehr allgemein ausgedrückt und verwirrend. Besonders wenn wie in diesem Fall, kein konkretes Beispiel gegeben ist. Eine Ergänzung zu jeder dieser Formeln in Form eines Beispiels würde dem Verständnis sehr weiterhelfen.

Zum Schluss werden spezifische Anwendungen und Methoden der MC-Simulation erläutert. Darunter findet man diverse Programme, wo diese Simulation verwendet wird und auch Methoden wie Sequentielle Monte-Carlo-Methoden und Quanten-Monte-Carlo-Methoden, jede mit ihrem eigenen Link zu näherer Information. Leider beschränkt sich die Information in diesen Artikeln bei jedem dieser Fälle auf ein paar Sätze und die Links bieten auch nicht die tiefe Information, die manche suchen. Deswegen kann man zu diesem Teil nur sagen, dass jeder, der nach mehr als Allgemeinwissen sucht, mit einer anderen Seite besser bedient ist. Es ist ebenfalls schade, dass so wenige Anwendungsgebiete gegeben wurden. Neben der Physik und Mathematik gibt es sehr viele weitere Gebiete, wo die MC-Simulation benutzt wird, wie z.B. in der Telekommunikation, Spielen, visuellen Design und vielen andere Gebiete. Auch der mathematische Teil ist nicht ganz vollständig, da es weitere Gebiete innerhalb der Mathematik gibt, wo die MC-Simulation wichtig ist, wie z.B. Stochastische Optimierung oder Inverse Probleme.

Alles in allem kann man den Schluss ziehen, dass die Information in dem deutschen Wikipedia-Artikel über die Monte-Carlo-Simulation kompetent ist, aber ihr gesamtes Potential noch lange nicht ausgeschöpft hat. Man kann bei Alternativen, wie dem englischen Wikipedia-Artikel und weiteren Seiten, die man mit google.de (http://www.mathematik.uni-ulm.de/stochastik/lehre/ss03/markov/skript/node23.html) finden kann, bessere Informationen und Grafiken finden, falls man nach mehr als nur Allgemeinwissen sucht.

--Spuppe 11:03, 18. Nov. 2011 (CET)

Hallo @Spuppe:, @Sigbert:, dein Anliegen ist vollkommen richtig. Wikipedia:Sei_mutig! Ich habe mich unabhängig von dir an der Einleitung gestoßen und nun zumindest die Wichtigkeit der Zufallsstichprobe hier hervorgehoben. Leider hat das nun 10 Jahre gedauert :( biggerj1 (Diskussion) 22:27, 21. Sep. 2021 (CEST)

"Der nächste Teil ist der geschichtliche Teil." Wurde nun stark verbessert. "existiert kein roter Faden" In der Tat ganz schwierig in Wikipedia. Ein einziges, modernes Fachbuch genügt schon. Die Literatur wurde nun vermehrt. Teilweise habe ich auch die unglückliche Schwesterseite Monte-Carlo-Algorithmen leicht angepasst. MfG --17387349L8764 (Diskussion) 17:27, 4. Jul. 2023 (CEST)

Varianzreduktion/ Effizienzsteigerung

Es gibt zahlreiche Varianzreduktionstechniken zur Steigerung der MCS, wie z.B. der Einsatz von Importance Sampling, Antithetische Variablen, Kontrollvariationen oder Vorkonditionierung. Dazu steht noch nichts im Artikel. --Kerngesund1985 (Diskussion) 17:10, 13. Mär. 2012 (CET)

Gut, es sind Spezialgebiete. Zunächst einmal hat der Artikel noch so seine Ecken und Kanten. MfG --17387349L8764 (Diskussion) 17:29, 4. Jul. 2023 (CEST)

Warum nicht analytisch per Distribution?

Oft werden Annahmen in Form von Distributionen gemacht und Ergebnisse in Form von Distributionen Angegeben. Warum dann die Rechnung diskretisiert? Der Artikel gibt bereits Hinweise, aber was ist mit Fallunterscheidungen und Unstetigkeit (z.B. Kollision hat statt gefunden oder Preisschwelle wurde erreicht), diese konnte ich nicht genannt finden? Eines der Argumente für die MCS ist: "Häufig ist der Raum so groß, dass die Summation nicht vollständig durchgeführt werden kann." Mir, dem Leihen, wird nicht klar was "groß" in diesem Zusammenhang bedeutet. Warum ist der Abstand der Grenzen bei einem Integral ein Problem, oder ist mit "groß" die Mehrdimensionalität gemeint? Die Motivation / Notwendigkeit für eine MCS müsste noch weiter heraus gearbeitet werden. --Moritzgedig (Diskussion) 16:54, 29. Okt. 2012 (CET)

"Die Motivation / Notwendigkeit für eine MCS müsste noch weiter heraus gearbeitet werden." Über Geschichte, siehe bei Monte-Carlo-Simulation. MfG --17387349L8764 (Diskussion) 17:37, 4. Jul. 2023 (CEST)

Das "oft" bezieht sich ausschließlich auf die Physik, wo man offenbar gerne mit Distributionen hantiert. Sonst ist das eher exotisch.--Sigma^2 (Diskussion) 09:28, 5. Nov. 2023 (CET)

Quantenchemie

Der gesamte Artikel enthält keinen einzigen Hinweis auf die Anwendungen der MC in der QC. Der Artikel Quanten-Monte-Carlo-Methode ist leider selbst ein Stub. Den Artikel Computerphysik werde ich bei Gelegenheit auffrischen. MfG --17387349L8764 (Diskussion) 15:21, 4. Jul. 2023 (CEST)

Weitere Artikel dazu gefunden: Monte-Carlo-Modellierung molekularer Systeme --17387349L8764 (Diskussion) 17:17, 8. Jul. 2023 (CEST)

Monte-Carlo-Studien

Was ist das genau? Kleiner Literaturcheck sagt mir, es ist ein eigenständiges Thema "Robustheit von Signifikanztests". Das sollte aber separat behandelt werden und ist nicht mit "Simulation" wie in der Einleitung genannt zu verwechseln. MfG --17387349L8764 (Diskussion) 19:17, 4. Jul. 2023 (CEST)

Abschnitt MCMC-Verfahren im Artikel Monte-Carlo-Simulation

Alles aus dem Abschnitt Verfahren gehört nicht in diesen Artikel, sondern in Monte-Carlo-Simulation bzw. steht dort auch schon. Siehe auch dazug. Redundanzdiskussion. --Doc ζ 13:39, 30. Nov. 2023 (CET)

Dieser Beitrag ist schwer zu verstehen: 1. Es gibt keinen Abschnitt Verfahren, 2. Dies ist doch der Artikel Monte-Carlo-Simulation, 3. Welche Redundanzdiskussion ist gemeint?--Sigma^2 (Diskussion) 14:21, 30. Nov. 2023 (CET)

Es gibt einen Abschnitt MCMC-Verfahren im Artikel Monte-Carlo-Simulation. Der ist hier falsch, sondern gehört in Monte-Carlo-Algorithmus (sorry für den Schreibfehler oben) bzw. besteht dort auch schon. Verfahren sollten hier aus Redundanzgründen nicht behandelt werden. Siehe auch die dazugehörige Diskussion --Doc ζ 19:19, 1. Dez. 2023 (CET)

Was hat das mit alternd zu tun?

"Supercomputer und MC Methoden werden u. a. für die Simulation der alternden Nuklearwaffen der USA benutzt". Geht es da um Alterungsprozesse? --2A02:8071:6400:4120:9D32:10AB:51A6:E286 23:12, 23. Sep. 2024 (CEST)