思维…。
准确定义风险是确保更好决策的关键要求。 风险常常含糊不清地传达出来-通常没有比高 ， 中或低更详细的信息。 利益相关者对这些术语的解释可能大不相同，并且对风险的传播毫无意义-不可避免的假设波动会累积导致非常不同的项目成果。 对于利益相关者而言，能够概率性地传达风险是更有价值的，例如，该项目有70％的机会提供有吸引力的回报；有25％的机会可以中和成本，而有5％的机会会损失钱。 发展这种概率概率风险的一种方法可以是使用蒙特卡洛分析法。
蒙特卡洛模拟使用重复随机抽样来模拟给定数学模型的数据并评估结果。 这种方法最初是在1940年代应用的，当时研究原子弹的科学家用它来计算一个裂变铀原子引起另一个裂变反应的概率。 由于铀供应短缺，实验和试错的空间很小。 科学家们发现，只要创建足够的模拟数据，他们就可以计算出可靠的概率，并且可以减少测试所需的铀量。
该方法采用可能的输入范围，并根据预定义的分布为每个输入随机分配可能的结果。 然后，它根据一个数学公式组合输入，以产生所需的感兴趣的输出（盈利能力，项目时间，零件尺寸，质量等）。 通过完成数千次（甚至数百万次！）的计算，该模型能够生成结果的分布，并以此为基础进行风险分析。
蒙特卡洛[用于风险分析]相当不错，因为如果您运行10,000次模拟并且从未发生过特定的结果，那么您对现实世界中发生的结果的相信程度应该不超过10−4。 Simon DeDeo-聪明人的贝叶斯推理
蒙特卡洛是：
利用计算机进行暴力破解成为可能。 我们根据规定的范围随机选择一堆精确值-数千个，并计算大量精确值。
这就是“风险分析”的意思。我们必须能够计算各种损失水平的几率。 如果您是真正衡量风险的人，那就可以这样做。 “如何测量任何东西” — Douglas W Hubbard
可以使用Excel（直接在Excel中或使用VBA（或在此处）），Minitab或其他专有工具（例如@Risk）来完成Monte Carlo分析。
蒙特卡洛分析还可以用于估计太复杂而无法直接通过方程式解决的问题的解决方案。 这是一个简单的示例，它可以通过随机落在半径为1的圆或正方形中的点的比率来估计PI的值。Brian Christian和Tom Griffiths在他们的“算法所依据”一书中强调了蒙特卡洛计算机科学专业：
仔细检查随机样本可能是弄清太复杂而无法直接理解的有效方法之一。 在处理质量上难以处理的问题时，如此棘手且复杂到无法完全消化的事物（纸牌或原子裂变，原始性测试或公共政策），采样提供了一种最简单，也是最好的削减方法之一通过困难。
再次总结完成蒙特卡洛分析的四个步骤：
- 确定您要探索的活动或过程的数学模型。
- 为模型中的每个因子定义参数（例如均值和标准差）。
- 根据这些参数创建随机数据。
- 模拟和分析过程的输出。
完成这些步骤将可以将风险传达成对利益相关者有形的特定术语。 当然，像任何模型一样，您必须小心输入的质量，但是随着实践和反思，这种情况会有所改善。
