Monte Carlo Yöntemi

Monte Carlo yöntemi nedir?

Monte Carlo yöntemi, bir problemi doğrudan hesaplamak yerine binlerce rastgele örnek üreterek sonucu tahmin eden bir hesaplama yaklaşımı. Adı Monako'daki Monte Carlo kumarhanesinden gelir — işin özünde şans ve olasılık var. Analitik olarak çözülemeyen ya da çözmesi çok pahalı olan problemlerde devreye girer; finanstan fiziğe, bilgisayar grafiklerinden makine öğrenmesine kadar geniş bir alanda kullanılır.

Nasıl çalışır?

Temel akış şöyle: önce modellenecek sistem ve sonucu etkileyen girdiler belirlenir. Her girdiye belirsizliğini yansıtan bir olasılık dağılımı (uniform, normal, üstel vb.) atanır. Sonra bu dağılımlardan çok sayıda rastgele örnek çekilir, her örnek için deterministik hesap çalıştırılır ve çıktılar toplanır. En sonunda bu çıktıların ortalaması, varyansı veya yüzdelikleri alınarak aranan büyüklük tahmin edilir.

Klasik örnek pi sayısını tahmin etmek: birim kare içine rastgele noktalar atılır, çeyrek çember içine düşenler sayılır. İçeri düşen noktaların oranı yaklaşık π/4'tür, yani π ≈ 4 × (içerideki / toplam). Nokta sayısı arttıkça tahmin gerçeğe yaklaşır — Monte Carlo'nun kalbi tam olarak budur.

İşin matematiksel temeli büyük sayılar yasası •örnek ortalaması, örnek sayısı arttıkça gerçek beklenen değere yakınsar•. Hata tipik olarak örnek sayısının kareköküyle ters orantılı azalır (≈ 1/√N); yani doğruluğu iki kat artırmak için dört kat örnek gerekir. Yavaş ama güvenilir.

Neden önemli?

Monte Carlo'nun asıl gücü yüksek boyutlarda ortaya çıkar. Klasik sayısal integrasyon boyut arttıkça çöker; Monte Carlo ise boyuttan bağımsız olarak aynı 1/√N hızında ilerler. Bu yüzden değişken sayısının çok, belirsizliğin yüksek olduğu problemlerde çoğu zaman tek pratik yöntemdir. Yöntem, Los Alamos'ta Stanislaw Ulam ve John von Neumann'ın çalışmalarıyla modern biçimini aldı.

Kullanım alanları

Finansta risk ve türev ürün fiyatlaması, fizikte parçacık ve kuantum simülasyonları, mühendislikte güvenilirlik analizi yaygın örnekler. Makine öğrenmesinde ise MCMC •Markov zinciriyle karmaşık dağılımlardan örnek çeken Monte Carlo ailesi• Bayesyen çıkarımın belkemiğidir; reinforcement learning'de beklenen ödüller Monte Carlo ile tahmin edilir; Monte Carlo Tree Search •karar ağacını rastgele oynamalarla keşfeden arama• oyun oynayan ajanların temel tekniğidir.