Методология ИМ, наряду с несомненными достоинствами, имеет ряд недостатков.

1. Разработка и эксплуатация ИМ требует, как правило, больших затрат времени и сил и обходится дороже, чем аналитические исследования.

2. Имитационная модель значительно менее «объективна», чем аналитическая модель, и, зачастую, не точна, причем исследователь не всегда в состоянии оценить степень этой неточности.

3. Использование ИМ создает обманчивое впечатление достоверности, реальности происходящего, тогда как в разрабатываемом для моделирования продукте всегда присутствуют ошибки, поиск которых достаточно сложен и занимает много времени.

4. Данные ИМ всегда носят частный характер (в пределах задаваемых вариантов исходных данных) и требуют дополнительной обработки и интерпретации с целью получения общих выводов и заключений.

3. Общая схема метода Монте-Карло. Принципы организации модельного времени и квазипараллелизма систем.

Метод статистических испытаний (метод Монте-Карло) – численный метод решения математических задач.

Метод статистического моделирования (дальнейшее развитие метода Монте-Карло) – метод исследования процессов функционирования и оценки эффективности сложных систем со стохастическими элементами.

В основе метода статистического моделирования лежит выполнение следующих действий.

1. Проведение большого количества одинаковых по исходным данным актов имитации вероятностного процесса функционирования системы во взаимодействии с внешней средой;

2. Формирование на этой основе соответствующего количества независимых реализаций случайных величин, характеризующих те или иные исходы функционирования системы в смысле выполнения возлагаемых на нее функций (целей);

3. Усреднение и иная статистическая обработка формируемых реализаций случайных величин с целью получения статистически значимых выводов относительно эффективности системы.

Математические основания метода определяются законами больших чисел и предельными теоремами теории вероятностей.