Метод Монте-Карло и его применение

Стр 1 из 2Следующая ⇒

КУРСОВАЯ РАБОТА

Метод Монте-Карло и его применение

Научный руководитель:

канд. тех. наук, доцент

Потехин В.А.

Арзамас-2002 г.

Содержание

Введение ……………………………………………………………..3

Глава 1. Некоторые сведения теории вероятностей ………….5

§1. Математическое ожидание, дисперсия……………………..5

§2. Точность оценки, доверительная вероятность. Доверительный

интервал……………………………………………………….6

§3. Нормальное распределение…………………………………..6

Глава 2. Метод Монте-Карло ……………………………………...8

§1. Общая схема метода Монте-Карло……………………….….8

§2. Оценка погрешности метода Монте-Карло…………………8

Глава 3. Вычисление интегралов методом Монте-Карло …….12

§1. Алгоритмы метода Монте-Карло для решения

интегральных уравнений второго рода………………….…12

§2. Способ усреднения подынтегральной функции………….…13

§3. Способ существенной выборки, использующий

«вспомогательную плотность распределения»…………….16

§4. Способ, основанный на истолковании интеграла как

площади……………………………………………………...19

§5. Способ «выделения главной части»………………………...21

§6. Программа вычисления определенного интеграла методом

Монте-Карло…………………………………………………..23

§7. Вычисление кратных интегралов методом Монте-Карло.…25

Заключение …………………………………………………………..28

Приложение ………………………………………………………....29

Литература …………………………………………………………...30

Введение.

Метод Монте-Карло можно определить как метод моделирования случайных величин с целью вычисления характеристик их распределений.

Возникновение идеи использования случайных явлений в области приближённых вычислений принято относить к 1878 году, когда появилась работа Холла об определении числа p с помощью случайных бросаний иглы на разграфлённую параллельными линиями бумагу. Существо дела заключается в том, чтобы экспериментально воспроизвести событие, вероятность которого выражается через число p, и приближённо оценить эту вероятность. Отечественные работы по методу Монте-Карло появились в 1955-1956 годах. С того времени накопилась обширная библиография по методу Монте-Карло. Даже беглый просмотр названий работ позволяет сделать вывод о применимости метода Монте-Карло для решения прикладных задач из большого числа областей науки и техники.

Первоначально метод Монте-Карло использовался главным образом для решения задач нейтронной физики, где традиционные численные методы оказались мало пригодными. Далее его влияние распространилось на широкий класс задач статистической физики, очень разных по своему содержанию.

Метод Монте-Карло оказал и продолжает оказывать существенное влияние на развитие методов вычислительной математики (например, развитие методов численного интегрирования) и при решении многих задач успешно сочетается с другими вычислительными методами и дополняет их. Его применение оправдано в первую очередь в тех задачах, которые допускают теоретико-вероятностное описание. Это объясняется как естественностью получения ответа с некоторой заданной вероятностью в задачах с вероятностным содержанием, так и существенным упрощением процедуры решения.

Глава 1. Некоторые сведения теории вероятностей

Математическое ожидание, дисперсия.

Дискретной называют случайную величину, которая принимает отдельные, изолированные возможные значения с определёнными вероятностями. Число возможных значений дискретной случайной величины может быть конечным или бесконечным.

Математическим ожиданием дискретной случайной величины называют сумму произведений всех её возможных значений на их вероятность.

где Х – случайная величина, - значения, вероятности которых соответственно равны .

Математическое ожидание приближённо равно (тем точнее, чем больше число испытаний) среднему арифметическому наблюдаемых значений случайной величины.

Дисперсией (рассеянием) случайной величины называют математическое ожидание квадрата отклонения случайной величины от её математического ожидания: .

Средним квадратичным отклонением случайной величины Х называют квадратный корень из дисперсии: .

Нормальное распределение.

Нормальным называют распределение вероятностей непрерывной

случайной величины, которое описывается дифференциальной функцией

а - математическое ожидание, s - среднее квадратичное отклонение нормального распределения.

Глава 2. Метод Монте-Карло

Заключение.

Метод Монте-Карло используется очень часто, порой некритично и неэффективным образом. Он имеет некоторые очевидные преимущества:

а) Он не требует никаких предложений о регулярности, за исключением квадратичной интегрируемости. Это может быть полезным, так как часто очень сложная функция, чьи свойства регулярности трудно установить.

б) Он приводит к выполнимой процедуре даже в многомерном случае, когда численное интегрирование неприменимо, например, при числе измерений, большим 10.

в) Его легко применять при малых ограничениях или без предварительного анализа задачи.

Он обладает, однако, некоторыми недостатками, а именно:

а) Границы ошибки не определены точно, но включают некую случайность. Это, однако, более психологическая, чем реальная, трудность.

б) Статическая погрешность убывает медленно.

в) Необходимость иметь случайные числа.

Приложение.

Равномерно распределённые случайные числа

10 09 73 25 33 76 52 01 35 86 34 67 35 48 76 80 95 90 9117

37 54 20 48 05 64 89 47 42 96 24 80 52 40 37 20 63 61 04 02

08 42 26 89 53 19 64 50 93 03 23 20 90 25 60 15 95 33 47 64

99 01 90 25 29 09 37 67 07 15 38 31 13 11 65 88 67 67 43 97

12 80 79 99 70 80 15 73 61 47 64 03 23 66 53 98 95 11 68 77

66 06 57 47 17 34 07 27 68 50 36 69 73 61 70 65 81 33 98 85

31 06 01 08 05 45 57 18 24 06 35 30 34 26 14 86 79 90 74 39

85 26 97 76 02 02 05 16 56 92 68 66 57 48 18 73 05 38 52 47

63 57 33 21 35 05 32 54 70 48 90 55 35 75 48 28 46 82 87 09

73 79 64 57 53 03 52 96 47 78 35 80 83 42 82 60 93 52 03 44

Литература.

1. Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике: Учеб. пособие для студентов втузов. – 3-е изд., перераб. И доп. – М.: Высш. школа, 1979г.

2. Ермаков С. М. Методы Монте-Карло и смежные вопросы. М.: Наука, 1971г.

3. Севастьянов Б. А. Курс теории вероятностей и математической статистики. – М.: Наука, 1982г.

4. Математика. Большой энциклопедический словарь / Гл. ред. Ю. В. Прохоров. – М.: Большая Российская энциклопедия, 1999г.

5. Гмурман В. Е. Теория вероятностей и математическая статистика. Учеб. пособие для втузов. Изд. 5-е, перераб. и доп. М., «Высш. школа», 1977.