Existen varios tipos de algoritmos probabilísticos dependiendo de su funcionamiento, pudiéndose distinguir: Se puede optar por la elección aleatoria si se tiene un problema cuya elección óptima es demasiado costosa frente a la decisión aleatoria.
Un algoritmo probabilista puede comportarse de distinta forma aplicando la misma entrada.
La solución obtenida es siempre aproximada pero su precisión esperada mejora aumentando el tiempo de ejecución.
Normalmente, el error es inversamente proporcional a la raíz cuadrada del esfuerzo invertido en el cálculo.
En la práctica, no es un algoritmo útil, porque se pueden obtener aproximaciones de π mucho mejores empleando métodos deterministas.
El algoritmo de Monte Carlo puede ser representado por el siguiente pseudocódigo, en donde se integra la función f entre a y b utilizando n iteraciones.
En general, se pueden obtener estimaciones de integrales mediante métodos deterministas con mayor precisión y con menos iteraciones.
Esto no ocurre con el método de Monte Carlo, aunque existe una probabilidad pequeña de que el algoritmo pudiera cometer un error similar aun cuando integre una función completamente común.
Consideraciones sobre el coste: Ahora repetimos el algoritmo anterior para ganar en eficacia: Ejemplo: El problema de todos los .