シミュレーション

現実の事象をモデル化し、コンピュータ上で模擬的に再現して結果を予測・評価する手法。様々な条件を変えて結果を比較でき、リスク分析や政策評価などに幅広く活用される。

現実の事象やシステムをモデル化し、コンピュータ上で模擬的に再現して分析する手法。モンテカルロ法などを用いて、複雑な問題の結果予測やリスク評価を行う。

現実のシステムや現象をモデルで表し、コンピュータ上で条件を変えながら動かして、結果を予測・評価する手法。実物で試すと費用や危険が大きい場合や、待ち行列のように解析的に解きにくい問題に使う。乱数を使って確率的な現象を多数回試行するモンテカルロ法が代表的である。

現実の事象をモデル化し、コンピュータ上で模擬的に再現して結果を予測・評価する手法。様々な条件を変えて結果を比較でき、リスク分析や政策評価などに幅広く活用される。

現実のシステムや現象をモデルとしてコンピュータ上に表し、条件を変えながら動かして振る舞いを予測・評価する手法。妥当性確認では、本番環境で試すのが難しい負荷、障害、利用状況を再現し、システムが目的を満たすかを確かめるのに使う。

リスクがプロジェクトの目標に与える影響を数値で分析する技法。期待金額価値（EMV）の算出、感度分析、デシジョンツリー分析、モンテカルロシミュレーションなどを用い、コストや期間がどの程度ばらつくかを確率的に見積もる。

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。

需要の変動や到着の間隔のように不確実な要素を確率分布で表し、結果を確率的に扱うモデル。待ち行列モデルや、乱数を使うモンテカルロ法によるシミュレーションが例で、平均だけでなく結果のばらつきやリスクを評価できる。すべての値を確定した値として扱う確定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。