我想我应该首先给你一个简单的答案，那就是“是的，几乎总是”。

这很无聊，所以让我们进入更有趣的东西，可以说是并发症。

蒙特卡罗方法通常应用于绝对非随机问题。例如，查看Monte Carlo integration。这是取完全非随机的定积分。在 Maarten 看来，这是关于应用 MC 的问题的性质。

蒙特卡洛方法的另一个方面是它们通常不使用随机数，我什至会说几乎从不使用。MC 方法最常使用伪随机数生成器。这些根本不是随机数。想一想：如果你设置了种子，那么生成的序列中的每个数字都是由种子绝对定义的。它们看起来和闻起来都像随机数，所以我们使用它们。

谷歌搜索 MC 示例，您会发现无数这样的示例。这个特殊的例子有所有这些带有概率等的方程，但是它继续使用 R 中的函数rgamma(.)。这个函数生成伪随机数序列，它看起来非常像Gamma 分布中的随机数.

话虽如此，有真正的随机数序列。令人惊讶的是，很少有统计学家使用它们，甚至知道它们。原因是伪随机生成器更加方便快捷。真正的随机数很昂贵，您必须购买它们或硬件数字生成器（TRNG）。它们在赌博应用中被大量使用。它们通常是由物理源产生的，例如无线电波中的放射性衰变和噪声、热量等。感谢@scruss 指出最近 TRNG 变得更容易获得。

最后，还有一个称为准蒙特卡罗的方法族。这些使用甚至不假装看起来像随机数的数字序列，例如所谓的低差异数的Sobol 序列。