Penso che dovrei prima darti la risposta semplice, che è "SÌ, quasi sempre".
Questo è stato noioso, quindi entriamo in cose più interessanti, complicazioni per così dire.
I metodi Monte Carlo sono spesso applicati a problemi assolutamente non stocastici. Ad esempio, controlla l' integrazione di Monte Carlo . Questo per prendere integrali definiti, che non sono affatto casuali. Questo riguardava la natura dei problemi a cui viene applicato MC, al punto di Maarten.
Un altro aspetto dei metodi Monte Carlo è che di solito non utilizzano numeri casuali, direi quasi mai. I metodi MC utilizzano più comunemente generatori di numeri pseudo- casuali . Questi non sono affatto numeri casuali. Pensa a questo: se imposti il seme, allora ogni numero nella sequenza generata è assolutamente definito dal seme. Sembrano e odorano come numeri casuali, quindi li usiamo.
Esempi di Google per MC, troverai un numero infinito di esempi come questo . Questo esempio particolare ha tutte queste equazioni con probabilità ecc., Ma poi continua ad usare la funzione rgamma (.) In R. Questa funzione genera la sequenza di numeri psudo-casuali, che assomiglia moltissimo a numeri casuali dalla distribuzione gamma .
Detto questo, ci sono sequenze di numeri casuali reali . Un numero sorprendentemente ridotto di statistici li usa e ne è persino consapevole. Il motivo è che i generatori psudo-casuali sono molto più convenienti e veloci. I veri numeri casuali sono costosi, devi acquistarli o i generatori di numeri hardware (TRNG) . Sono molto usati nelle applicazioni di gioco. Generalmente sono generati da fonti fisiche, come il decadimento radioattivo e il rumore nelle onde radio, nel calore, ecc. Grazie a @scruss per aver sottolineato che recentemente TRNG è diventato molto più accessibile.
Infine, esiste una famiglia di metodi chiamata Quasi Monte Carlo . Questi usano sequenze di numeri che non pretendono nemmeno di apparire come numeri casuali, ad esempio sequenze di Sobol dei cosiddetti numeri a bassa discrepanza.