蒙地卡羅：與其猜一次未來，不如探索一千個平行宇宙
有些數值很難直接算，例如未來會怎樣、一個怪形狀的面積。貓老師 Mochi 的方法是：大量隨機取樣、跑很多很多次，再統計結果。樣本越多，估計越準；不求唯一答案，而是掌握整個機率分布與風險。
先用白話講蒙地卡羅在做什麼
蒙地卡羅是用大量隨機取樣去估計難以直接計算的數值，例如期望值、積分、機率。依大數法則，樣本越多，估計通常越準。
它以摩納哥的蒙地卡羅賭場命名，因為核心就是靠隨機擲骰子，讓大量偶然逐漸顯露穩定規律。
不規則池塘怎麼量？
想知道一個不規則池塘的面積，與其精算彎曲邊界，不如往整塊地隨機丟一千顆小石頭。落在池塘裡的比例 × 總面積，就能估出池塘面積。這就是用隨機取樣換掉困難的計算。
經典例子：用灑點估圓周率 π
在正方形裡隨機灑點
在一個正方形內畫出內接圓，然後隨機灑很多點。落在圓內的點數 ÷ 總點數，約等於圓與正方形的面積比＝π/4。
π ≈ 4 × 圓內點數 / 總點數點灑得越多，估出來的 π 越接近 3.14159。這就是蒙地卡羅「越多樣本越準」的直觀示範。
動手玩：模擬一千個平行宇宙
情境：預測一座太陽能電廠未來 90 天的累積發電量。天氣是隨機的，依序切換三種模式，看只猜一次到模擬一千次的差別。
應對氣候隨機性：不要只猜一次未來，讓我們模擬一千個平行宇宙！
怎麼看這張圖？
一條線＝一個單一預測，幾乎必錯的豪賭。十條線散開＝看見不確定性。上千條隨機軌跡交疊，最終結果統計起來長出一條漂亮的鐘形常態分布。
重點不是猜中絕對數字，而是掌握風險區間與機率，例如「有 95% 信心發電量不低於某區間」。
核心精神：不求單一答案，求分布
面對隨機性，單一預測幾乎一定錯
蒙地卡羅的核心精神是不求單一答案，求分布。與其執著明天剛好是多少，不如跑很多次，看結果怎麼分布，同時得到期望值和風險區間。
模擬次數越多，樣本平均越逼近真值。誤差大約以 1/√N 的速度縮小；想準 10 倍，樣本要多 100 倍。這是大數法則的實際代價。
蒙地卡羅在強化學習裡怎麼用？
用完整一回合的實際回報估價值
RL 要估某狀態／動作有多好。蒙地卡羅法會把一整局 episode 玩到底，再用實際拿到的累積回報來更新估計，多玩幾局取平均。
它不需要環境模型（model-free），用的是真實回報；代價是要等整回合結束才能更新。
蒙地卡羅 vs 時序差分 TD：必考對比
| 比較 | 蒙地卡羅（MC） | 時序差分（TD） |
|---|---|---|
| 何時更新 | 等整回合結束，用實際回報 | 每一步就用估計值更新 |
| 學習目標 | 真實累積回報 | r＋γ×下一步的估計值（bootstrapping） |
| 偏差／變異 | 無偏但變異大 | 有偏但變異小 |
| 線上學習 | 否，要完整回合 | 可以，每步都能學 |
| 代表方法 | MC 價值估計 | Q-Learning、SARSA |
一句話記憶
MC＝等答案揭曉再學，準但要等、抖。TD＝邊走邊用猜的更新，快、可線上、較穩但有偏。這兩者的取捨是 RL 常考題。
優點與缺點
蒙地卡羅實務都用在哪？
解析解難算，就讓樣本上場
風險模擬（金融投組、氣候、工程可靠度）；積分／期望估計（高維難算的積分）；也能做 RL 價值估計。
蒙地卡羅樹搜尋 MCTS會用隨機模擬評估棋步，AlphaGo 就結合了 MCTS 與神經網路。凡是解析解難算但能重複隨機取樣的問題，蒙地卡羅都能上場。
觀念自我檢測
先想再點開；也可以先把答案收起來，逐題口述給貓老師聽。
Q1. 蒙地卡羅方法在做什麼？
用大量隨機取樣估計難以直接計算的數值；依大數法則，樣本越多越準。
Q2. 怎麼用灑點估 π？
正方形內灑點，圓內比例 × 4 ≈ π；點越多越準。
Q3. 為什麼不只做一次模擬？
隨機性下單次幾乎必錯；要看結果分布、風險區間而非單一數字。
Q4. 蒙地卡羅在 RL 怎麼估價值？
用完整回合的實際累積回報更新估計，多局取平均（model-free）。
Q5. MC 和 TD 差在哪？
MC：等整回合、用實際回報、無偏但變異大；TD：每步用估計值更新、有偏但變異小、可線上學。
30 秒重點整理
iPAS 考點提醒
蒙地卡羅方法用大量隨機取樣估計數值，是 iPAS 機率與 RL 考點（中級科目二與三）。當解析解難算時，靠重複隨機模擬取平均逼近期望或機率；樣本越多越準（大數法則）。
易混點：蒙地卡羅用完整回合的實際回報估值，時序差分 TD 用估計值逐步更新。誤差隨樣本數平方根下降，收斂較慢。常見情境是風險模擬、積分估計、RL 價值估計。想練情境題與詳解 → AI 學習與考證地圖
常見問題
蒙地卡羅方法是什麼？
用大量隨機取樣來估計難以直接計算的數值(如期望值、積分、機率)；依大數法則，樣本越多估計通常越準。
能舉個直觀例子嗎？
估計圓周率 π：在正方形內隨機灑點，落在內接圓內的比例約等於圓與正方形的面積比，反推即可估 π，點越多越準。
在強化學習中怎麼用？
用完整一回合(episode)的實際累積回報來估計狀態或動作的價值，等回合結束才更新；不需環境模型，但要等回合走完。
蒙地卡羅和時序差分(TD)差在哪？
蒙地卡羅等整回合結束、用實際回報更新(無偏但變異大)；TD 每步就用估計值更新(有偏但變異小、可線上學)，Q-learning 即屬 TD。
蒙地卡羅的優缺點？
優點：概念簡單、無偏、不需轉移機率模型。缺點：變異大、需要完整回合(不適合持續性任務)、收斂可能較慢。