推断统计（inferential statistics）用于形成关于总体（population）的结论，并且利用随机样本对这些结论的可信度进行评价，相关技术包括：利用点估计来估计总体参数，估计参数的置信区间，假设建议和建模（回归、密度估计等)。要估计推断的可信度，必须要了解分析过程涉及的统计量的分布。当使用的是已经重复理解的统计量（如样本均值）时，很容易开展相关分析。那么，在处理复杂问题时该怎么办？本章的目的就是要解释当传统的和分析统计方法无效时，如何利用模拟或蒙特卡罗方法进行推断。
根据Murdoch [2000]，蒙特卡罗最早是指利用随机游走（random walks）的模拟。后面逐步说明蒙特卡罗模拟或（实验）是如此简单的用于理解感兴趣现象的方法。要进行模拟实验，我们需要一个模型来表达总体或感兴趣的现象，以及使用计算机生成随机数（根据模型）的方法。从模型中生成的数据可以用于研究，就好像它们是被实际观测到的一样。然后，可以利用模型数据计算统计量（均值、中位数、方差等）来理解总体。