Monte Carlo法在物理上有很多应用（更别提其他领域了），比如激光器发射的光子呈Poisson分布

大部分研究論文中，經過整合呈現數據或分析結果，通常需考慮下列事項，確保數據的正確性，才能表示得到的結果具有可信度及綜合性：

• 考慮實際情況或數據的收集方法（涉及試驗設計與試驗方法）。
• 定義誤差來源（隨機或系統性）：所有數據都會有誤差，但絕不能是錯誤！
• 檢驗並納入各種誤差來源。
• 訂定測量値或計算值可允許的誤差範圍。

誤差可分為隨機誤差與系統性誤差，讓我們先來看看什麼是隨機誤差：

• 相同的定量樣品，多次測量結果所包含的誤差：測量值的分布情形，是根據發生的機率而來，產生所謂的機率分布。

• 隨機誤差的來源：

1. 統計影響：根據試驗設計選擇正確的統計方式，避免擴大誤差，得出錯誤的結果（顯著？還是不顯著？）。
2. 測量過程的限制：例如儀器的偵測極限，或是儀器本身的誤差範圍。

• 常見機率分布型態

兩種型態的二項 (binomial) 分布圖：
1. 測量次數或樣本數少，機率不連續且不對稱：卜瓦松 (Poisson) 分布。

（該圖擷取自維基百科 Poisson distribution）
2. 測量次數或樣本數多，機率連續且對稱（常態分布）。

（該圖擷取自維基百科 Normal distribution）