针对贝叶斯网络结构学习方法难以兼顾高准确率和高效率的问题，提出了一种基于Markov Chain Monte Carlo(MCMC)方法的贝叶斯网络结构学习方法的改进。改进包括：使用依赖关系分析，利用统计学的方法对采样空间进行大幅缩减，能够在精确控制准确度的情况下大幅提高时间效率；结合先验知识，从理论角度将先验知识融入评分中得到完全服从后验分布的结果；搜索最优子结构，对于特定的一些结构搜索最优子结构而不是采用贪心的方法，提高了贝叶斯网络结构学习的准确率。通过理论分析可以证明时间复杂度得到了大幅的降低。并且可以在牺牲可预知的准确率的情况下，将指数时间复杂度降为线性时间。大量的数据实验表明，经改进后的方法在时间和准确性上都具有良好的表现。

QPSK通信系统的Monte_Carlo仿真实验报告，实验报告含基于Matlab的完整模拟仿真程序。

可靠性 用于可靠性分析的Python类，包括Monte Carlo和FORM方法。 显示了一些应用示例。 该项目仍在开发中。

这组 MATLAB 例程模拟具有周期性边界条件的三维硬球堆积。 它初始化一个均匀晶格，然​​后使用 Metropolis 算法对粒子位置进行多次迭代退火。 然后计算 $g_2(r)$，或成对径向分布函数，在集合中的许多中心上取平均值。 对于大的初始粒子密度，结果 $g_2$ 与 Percus-Yevick 近似给出的解析近似匹配，给定足够高的粒子密度的任意精度。

蒙特卡洛期权-看涨期权 使用蒙特卡洛方法定价看跌期权/看涨期权

计量经济学 主要目标是使用MATLAB和Python（在项目中）实现计量经济学方法。 我特别感兴趣的方法是那些在那些程序中未完全实现的方法，并且在我看来，这些方法对于经济研究非常有用。 此存储库中的前两个项目是“简单引导程序包”和“ SVAR”。 第一个包含引导程序技术，可处理随机样本和相关数据，而第二个则是使用短期和长期限制来估计本地标识的结构VAR。 我已经记录了每个项目（.pdf文件），以简单的方式展示了我们如何实现这些方法。 阅读“ SVAR.pdf”，“一个简单的Bootstrap软件包.pdf”，“关于Monte Carlo模拟的注意事项[Spanish] .pdf”和“关于计量经济学的注意事项I [Spanish] .pdf”。 欢迎提出意见，建议和批评家。 贡献者 亚历克斯·卡拉斯科（Alex Carrasco）/

ValoMC：用于模拟光传播的Monte Carlo软件

::ATTENTION:: - Due to the changes in ANT's EBL process, the coupling angles for *ebeam_gc_te1550* and *ebeam_gc_tm1550* components may be impacted. - There is no change in the coupling angles when fabricating the components with UW's EBL process. SiEPIC_EBeam_PDK EBeam PDK，库-用于硅光子布局，设计，验证和电路仿真 由 （ ），（C）2015-2017，与贡献：， ，， ，（ ）。 KLayout中的软件包，klayout.de（版本0.25及更高版本） edX课程中提供的有关硅光子学的设计，布局，制

The purpose of this book is to provide a self-contained entry into Monte Carlo computational techniques. First and foremost, it must not be confused with a programming addendum to our earlier book Monte Carlo Statistical Meth- ods whose second edition came out in 2004. The current book has a dierent purpose, namely to make a general audience familiar with the programming aspects of Monte Carlo methodology through practical implementation. Not only have we introduced R at the core of this book, but the emphasis and contents have changed drastically from Monte Carlo Statistical Methods, even though the overall vision remains the same. Theoretical foundations are intentionally avoided in the current book.

Liu, J. S., Monte Carlo Strategies in Scientific Computing, Springer-Verlag, 2001.