수학 개념 지도
확률과 통계(Probability and statistics)

몬테카를로 방법(Monte Carlo method)

무작위 점을 많이 뿌려 그중 조건을 만족하는 비율로 넓이⁠(area)⁠, 적분⁠(integral)⁠, 확률⁠(probability)⁠을 어림하는 방법. 정사각형 속 사분원으로 π를 잴 수 있다.

π≈4⋅#{x2+y2<1}N\pi \approx 4 \cdot \frac{\#\{x^2 + y^2 < 1\}}{N}
먼저 보면 좋은 개념큰 수의 법칙정적분

한 변이 1인 정사각형에 점을 아무렇게나 N=N = 개 뿌립니다. 원점에서 거리가 1보다 가까운 점, 즉 단위원⁠(unit circle)⁠의 사분원 안에 떨어진 점의 비율은 사분원의 넓이 π/4\pi/4에 가까울 것입니다. 그러니 그 비율에 4를 곱하면 π≈\pi \approx 입니다. 더 뿌리기 새로 뿌리기

점 하나는 "사분원 안인가?"라는 동전 던지기 한 번과 같습니다. 성공 확률이 π/4\pi/4이니, 큰 수의 법칙⁠(law of large numbers)⁠에 따라 비율은 그 값으로 모입니다. 오른쪽 그래프처럼 추정값은 흔들리며 π에 다가가는데, 오차의 전형적인 크기(표준편차⁠, standard deviation⁠)는 1.64/N1.64/\sqrt N 정도로, 1/N1/\sqrt N에 비례해서만 줄어듭니다. 점 1만 개일 때 전형적인 오차는 약 0.016이고, 한 자리 더 정확하려면 점이 100배 필요합니다.

같은 방법으로 어떤 모양의 넓이든, 어떤 함수⁠(function)⁠의 적분이든 어림할 수 있습니다. "점이 곡선 아래에 떨어진 비율 × 상자의 넓이"면 됩니다. 규칙적인 격자에 점을 찍는 리만 합⁠(Riemann sum)⁠은 매끄러운 함수라면 1차원에서 훨씬 정확하지만, 차원이 10, 100으로 올라가면 격자 점의 수가 폭발합니다. 축마다 10개씩만 찍어도 10차원이면 101010^{10}개, 100차원이면 1010010^{100}개가 필요합니다. 무작위 점의 오차가 1/N1/\sqrt N에 비례해 줄어드는 빠르기는 차원과 무관해서, 고차원 적분에서는 몬테카를로가 이깁니다. 바늘을 던져 π를 구하는 뷔퐁의 바늘⁠(Buffon's needle)⁠도 같은 발상입니다. 계산에 무작위를 섞는 방법을 넓게 무작위 알고리즘⁠(randomized algorithm)⁠이라 부르는데, 그중 시간은 정해져 있고 답이 작은 확률로 틀릴 수 있는 것을 이 방법의 이름을 따 몬테카를로 알고리즘⁠(Monte Carlo algorithm)⁠이라 합니다. 바둑처럼 둘 수 있는 수가 너무 많은 게임에서는 끝까지 무작위로 둬 본 대국들의 승률로 각 수의 값을 어림하며 유망한 가지만 키우는데, 이것이 몬테카를로 트리 탐색⁠(Monte Carlo tree search)⁠입니다.

이 방법은 1946년 무렵 미국 로스앨러모스 연구소에서 태어났습니다. 폴란드 출신 수학자 스타니스와프 울람이 병에서 회복하던 중 카드놀이 솔리테어에서 이길 확률을 계산하다가, 식으로 푸는 대신 여러 번 해 보고 세는 편이 빠르다는 것을 깨달은 것이 시작이라고 그 자신이 회고했습니다. 울람과 폰 노이만은 이 생각을 핵분열 장치 속 중성자의 움직임을 계산하는 데 썼고, 동료 니컬러스 메트로폴리스가 울람의 삼촌이 드나들던 모나코의 카지노 이름을 따 '몬테카를로'라는 암호명을 붙였습니다.

이 개념이 나오는 큰 생각근사와 오차무작위성

이 개념이 나오는 긴 글

미분에서 회전까지 · 2편 · 적분 거리를 되찾기 속도계 기록만 남았다. 차가 어디까지 갔는지 되찾을 수 있을까? 확률 도박판에서 온 편지 1654년, 도중에 멈춘 내기의 판돈을 어떻게 나눌까? 두 수학자가 주고받은 편지에서 확률론이 태어났다. 최소제곱과 선형대수 잃어버린 소행성 1801년, 발견 몇 주 만에 태양 뒤로 사라진 세레스. 스물네 살의 가우스는 흩어진 관측값에서 궤도를 되찾았다. 혼돈 나비의 날갯짓 방정식이 정해져 있으면 미래도 정해질까? 소수점 아래 몇 자리를 버린 계산이 날씨 예보의 한계를 드러냈다. 통계와 인과 담배와 폐암 상관관계는 인과관계가 아니라고들 한다. 그렇다면 담배가 폐암을 일으킨다는 것은 어떻게 알게 되었을까? 거리와 유사도 까마귀와 택시 까마귀는 곧장 날고 택시는 블록을 돌아간다. '얼마나 먼가'에는 답이 하나가 아니고, 어떤 거리를 고르느냐가 통계와 기계 학습의 답을 바꾼다. 조합론 세지 않고 세기 시의 운율을 세던 인도의 운율학자부터 오일러의 생성함수까지. 하나하나 늘어놓지 않고 경우의 수를 세는 법은 어떻게 자라났을까? 통신과 잡음 잡음 너머로 대서양 바닥의 케이블은 왜 신호를 뭉갰을까? 잡음이 있어도 오류 없이 보낼 수 있다는 섀넌의 정리와, 그 한계를 50년 동안 쫓은 부호들.

이 개념을 언급하는 페이지

이 페이지가 가리키는 개념