La simulazione è uno degli strumenti sperimentali più potenti e costituisce un modello della realtà composto dai processi che hanno luogo nel sistema reale studi e il cui insieme permette all’analista di comprendere le logiche di funzionamento del sistema di interesse. Il metodo di Monte Carlo svolge un ruolo di spicco nella simulazione stocastica e si riferisce a metodi computazionali che con vari algoritmi generano un campione casuale del modello virtuale eseguito. La simulazione, una volta definita l’ultima spiaggia dei matematici applicati, ha ad oggi un’ampia gamma di applicazioni: gestione degli ordini di magazzino e della produzione, programmazione della manutenzione preventiva, analisi del rischio legati alla durata e ai costi di un progetto, analisi delle possibili conseguenze di un evento precursore o di un guasto, analisi di affidabilità complesse, ecc…. La sua importanza in ambito tecnico-scientifico è dovuta alla sua capacità di calcolare le probabilità che non sarebbero altrimenti deducibili con calcoli analitici.

Il metodo di Monte Carlo comporta importanti vantaggi rispetto la classica metodologia di sperimentazione che prevede la raccolta in loco dei dati e la loro successiva elaborazione per trarne le appropriate conclusioni. In prima istanza è possibile produrre dati relativi a tempi anche molto lunghi (settimane, mesi o anni) in pochi secondi anche grazie ai potenti software moderni. Non meno importante è la possibilità di modificare le variabili che determinano l’andamento della simulazione (sensitivity analysis) per valutarne la sensibilità del modello a perturbazioni e le sue conseguenze riducendo notevolmente così l’impiego di tempo e risorse che sarebbero state necessarie nel caso in cui la modifica fosse attuata materialmente.