モンテカルロ法

乱数を用いたシミュレーションにより数値的に問題を解く確率的アルゴリズム。円周率の近似計算や高次元の数値積分、リスク分析に応用される。試行回数を増やすと精度が向上するが、収束は比較的遅い。

乱数を用いて多数回のシミュレーションを実行し、プロジェクトの完了日やコストの確率分布を求める定量的リスク分析技法。例えば「90%の確率でプロジェクトはX日以内に完了する」といった確率的な予測が可能になる。

乱数を用いて多数回のシミュレーションを実行し、プロジェクトの完了日やコストの確率分布を求める定量的リスク分析技法。例えば「90%の確率でプロジェクトはX日以内に完了する」といった確率的な予測が可能になる。

乱数を使って多数回の試行（シミュレーション）を行い、その結果の分布から、解析的に解くのが難しい問題の近似解や確率を求める手法。プロジェクトの所要期間やコストの見積り、投資のリスク評価、在庫や待ち行列の分析などに使い、試行回数を増やすほど結果の精度が高まる。

シミュレーションの計算結果に実際の観測データを統計的に取り込んで修正し、現実に近い状態の推定と予測の精度向上を図る手法。気象予報や海洋の予測で発展し、カルマンフィルタなどの手法を使う。観測がまばらな場所の状態もモデルで補えるため、デジタルツインにも応用されている。

モデルに含まれる要素や条件の値がすべて確定しており、同じ入力からは常に同じ結果が得られるモデル。需要や作業時間を一定の値とみなして計算する在庫モデルや線形計画法のモデルが例で、扱いやすい反面、現実のばらつきは反映できない。不確実な要素を確率で表す確率モデルと対比される。

処理の途中で乱数を使って選択を行うアルゴリズムで、乱択アルゴリズムともいう。答えは常に正しいが処理時間が乱数によって変わるラスベガス法（基準値をランダムに選ぶクイックソートなど）と、処理時間は一定だが一定の確率で誤った答えを出すモンテカルロ法（ミラー・ラビン素数判定法など）がある。最悪の場合を避けやすく、決定的な方法より単純で速いことが多い。

物理的な製品やシステムの仮想的な複製（デジタルコピー）をコンピュータ上に構築し、リアルタイムデータを用いてシミュレーションや分析を行う技術。IoTとの連携で予知保全や最適化に活用される。

ハードウェアモデルとソフトウェアを同時にシミュレーションし、システム全体の動作を検証する技法。ハードウェア完成前にソフトウェアの検証が可能となり、開発期間の短縮に寄与する。

実際のハードウェア（ECUなど）を制御対象のシミュレーションモデルと接続して行うテスト手法。実機のソフトウェアを実環境に近い条件で検証でき、自動車や航空宇宙分野で広く利用される。SILの次段階の検証手法。