如何決定模擬的次數

蒙地卡羅法要跑多少次模擬才能夠讓你的結果是比較準確的？

進行公差分析時，除了傳統的RSS方法，蒙地卡羅法是目前整合CAD常用的計算方式。計算的母體量，應該是多少才足夠呢？太多，計算量太大；太少，計算量不足。真是分析者的一大挑戰。

鑫威資訊這裡建議分析模型的時候模擬5000次至20000次。

這裡告訴你為什麼：

統計是一個以母體為參數的估計狀況。

DCS的結果數據的樣本（執行模擬的次數）是基於一個無限大的母群體的統計資料。因為統計學是一門估計的次數學問，信賴區間被用來確認是否為一個準確的估計，信賴區間從樣品的大小和標準差選擇的信賴水準（一般以90%、95%或99%）來計算。

在執行模擬分析之後，使用者可以以信賴區間來確定是否有足夠的樣本來執行統計。

舉個例子，一個量測點在5000次模擬之後，可能有1mm的標準差。95%的信心水準會有0.981到1.020mm。因此，假設該量測點的結果為常態分佈時，使用者將會產生0.981到1.020mm之間的標準差，會使其分析的結果在95%的情況下都是可行的。

因為信賴區間的標準差是線性關係，95%的信心水準在標準差為2mm的的狀況下，信賴區間變為1.962到2.040mm，在任何模擬5000次樣本和X mm的標準差的情況下，具有95%信心水平的信賴區間會是0.981*X到1.020*X mm。使用者有信心的結果會有2%的母體標準差。

為了更加的準確，就需要更多的樣本數；要有1%的母體標準差就需要20000次的模擬。

理論上來說，執行更多次的模擬次數將會更進一步縮小信賴區間，但由於許多其他的因素也會影響模型的準確性，執行超過20000次的模擬，結果並不見得會更加的準確。