monte-carlo-simulation

تایید شده

Monte Carlo methods for uncertainty quantification

@a5c-ai
MIT۱۴۰۴/۱۲/۳
(0)
۲۴۲
۱
۵

نصب مهارت

مهارت‌ها کدهای شخص ثالث از مخازن عمومی GitHub هستند. SkillHub الگوهای مخرب شناخته‌شده را اسکن می‌کند اما نمی‌تواند امنیت را تضمین کند. قبل از نصب، کد منبع را بررسی کنید.

نصب سراسری (سطح کاربر):

npx skillhub install a5c-ai/babysitter/monte-carlo-simulation

نصب در پروژه فعلی:

npx skillhub install a5c-ai/babysitter/monte-carlo-simulation --project

مسیر پیشنهادی: ~/.claude/skills/monte-carlo-simulation/

محتوای SKILL.md

---
name: monte-carlo-simulation
description: Monte Carlo methods for uncertainty quantification
allowed-tools:
  - Bash
  - Read
  - Write
  - Edit
  - Glob
  - Grep
metadata:
  specialization: mathematics
  domain: science
  category: uncertainty-quantification
  phase: 6
---

# Monte Carlo Simulation

## Purpose

Provides Monte Carlo methods for uncertainty quantification, integration, and probabilistic analysis.

## Capabilities

- Standard Monte Carlo sampling
- Importance sampling
- Stratified sampling
- Quasi-Monte Carlo (Sobol, Halton sequences)
- Markov chain Monte Carlo
- Convergence analysis

## Usage Guidelines

1. **Sampling Strategy**: Choose appropriate sampling method
2. **Sample Size**: Determine sufficient sample sizes
3. **Variance Reduction**: Apply variance reduction techniques
4. **Convergence**: Monitor convergence diagnostics

## Tools/Libraries

- NumPy
- scipy.stats
- SALib