我认为问题是你计算的顺序，分析方法。

通常，高斯误差传播会围绕某个点对函数进行一阶近似，并随偏差而变化。如果函数有很多高阶分量（在那个区域）或者你正在处理相当大的不确定性，你最终会得到错误的估计。

另一边的 MC 通常会给你“最好的”预测，但会消耗更多的资源。尽管您可以在错误传播中考虑更高阶的近似值，但您基本上不知道在哪里“停止”以获得足够的订单。

对于极限，AFAIK，它们产生相同的结果（在无限顺序和无限 MC 运行的极限中）。一个简单的推理：错误本质上是给定的（即使是我们不知道的面团）。这两种方法都试图尽可能地逼近那些，并在产生正确错误的极限内。