可以使用microsoftexcel和骰子游戏开发montecarlo模拟。蒙特卡罗模拟是一种数学数值方法，使用随机绘图来执行计算和复杂问题。如今，它在金融、物理、化学、经济等各个领域都得到了广泛的应用，发挥着重要的作用。

关键要点

• 蒙特卡罗方法试图解决 使用随机和概率方法的复杂问题。
• 可以使用microsoftexcel和骰子游戏开发montecarlo模拟。
• 一个数据表可以用来生成结果——总共需要5000个结果来准备蒙特卡罗模拟。 

蒙特卡罗模拟

montecarlo方法是由johnvonneumann和Stanislaw-Ulam在20世纪40年代发明的，旨在用随机和概率方法解决复杂问题。蒙特卡洛一词是指摩纳哥的行政区，俗称欧洲精英赌博的地方。

蒙特卡罗模拟方法计算积分的概率并求解偏微分方程，从而引入概率决策中风险的统计方法。尽管存在许多先进的统计工具来创建montecarlo模拟，但是使用microsoftexcel来模拟正态定律和统一定律并绕过数学基础更容易。

何时使用蒙特卡罗模拟

当问题过于复杂且难以直接计算时，我们使用蒙特卡罗方法。使用模拟可以帮助为不确定的情况提供解决方案。大量的迭代可以模拟正态分布。它还可以用来理解风险是如何运作的，以及理解预测模型中的不确定性。

如上所述，模拟通常用于许多不同的学科，包括金融、科学、工程和供应链管理，特别是在有太多随机变量的情况下。例如，分析师可以使用蒙特卡罗模拟来评估包括期权在内的衍生品，或者确定风险，包括公司可能违约的可能性。

骰子游戏

对于montecarlo模拟，我们分离出一些控制和描述实验结果的关键变量，然后在执行大量随机样本后分配一个概率分布。为了演示，让我们以骰子游戏为模型。以下是骰子游戏的运行方式：

•玩家掷三个六面骰子三次。

•如果三次投掷的总次数为7或11，则玩家获胜。

•如果三次投掷的总次数为：三次、四次、五次、16次、17次或18次，则玩家将输掉比赛。

•如果总数是任何其他结果，玩家再次玩并重新掷骰子。

•当玩家再次掷骰子时，游戏将以相同的方式继续，除非玩家在总骰子数等于第一轮决定的总和时获胜。

还建议使用数据表生成结果。此外，准备蒙特卡罗模拟还需要5000个结果。

要准备蒙特卡罗模拟，需要5000个结果。

第一步：掷骰子活动

首先，我们用50个骰子的三个骰子的结果来建立一系列的数据。为此，建议使用“randbeering（1,6）”函数。因此，每次单击F9，我们都会生成一组新的滚动结果。“结果”单元格是三个卷的结果之和。

步骤2：结果范围

然后，我们需要开发一系列数据，以确定第一轮和随后几轮的可能结果。有三列数据范围。在第一列中，我们有数字1到18。这些数字代表了掷骰子三次后的可能结果：最大值为3 x 6=18。您将注意到，对于单元格1和单元格2，结果是不适用的，因为使用三个骰子不可能得到1或2。最少三个。

在第二栏，包括第一轮之后可能得出的结论。正如在最初的声明中所说的，玩家要么赢（赢），要么输（输），或者他们重放（重新掷骰子），这取决于结果（总共掷三个骰子）。

在第三栏中，记录了下一轮可能得出的结论。我们可以使用“IF”函数来实现这些结果。这就确保了如果获得的结果与第一轮中获得的结果相等，我们就赢了，否则我们就按照最初的游戏规则来决定是否重新掷骰子。

第三步：结论

在这一步中，我们确定50个骰子掷的结果。利用指数函数可以得到第一个结论。此函数用于搜索第一轮的可能结果，即与获得的结果相对应的结论。例如，当我们掷6时，我们再玩一次。

使用“OR”函数和嵌套在“IF”函数中的索引函数，可以获得其他掷骰子的结果。这个函数告诉Excel，“如果上一个结果是赢或输”，停止掷骰子，因为一旦我们赢或输了，我们就完成了。否则，我们转到以下可能的结论列，并确定结果的结论。

第四步：骰子卷数

现在，我们来决定输赢之前需要掷多少骰子。要做到这一点，我们可以使用“COUNTIF”函数，它要求Excel计算“重新滚动”的结果，并将数字1加到其中。它加了一个，因为我们有一个额外的回合，我们得到一个最终结果（赢或输）。

第5步：模拟

我们开发了一个范围来跟踪不同模拟的结果。为此，我们将创建三列。在第一列中，其中一个数字是5000。在第二列中，我们将在掷50个骰子后查找结果。在第三栏，即栏的标题中，我们将在获得最终状态（赢或输）之前查找掷骰子的数量。

然后，我们将使用特征数据或表数据表创建敏感度分析表（该敏感度将**第二个表和第三列）。在此敏感性分析中，必须将1到5000的事件数**到文件的单元格A1中。事实上，人们可以选择任何一个空单元格。这个想法很简单，每次都要强制重新计算，从而得到新的骰子卷（新模拟的结果），而不会破坏现有的公式。

第六步：概率

我们终于可以计算出胜负的概率了。我们使用“COUNTIF”函数来实现。这个公式计算“赢”和“输”的次数，然后除以项目总数5000，得到其中一个和另一个的各自比例。我们最后看到，获得胜利结果的概率是73.2%，因此获得失败结果的概率是26.8%。