蒙特卡罗方法课件1.pptVIP

一、随机现象 二、随机试验 三、常用概念及定理 Buffon投针实验(1777年）求π: 一些人进行了实验，其结果列于下表 ： §2 蒙特卡罗方法概述---基本思想 基本思想： 　　针对待求问题，根据物理现象本身的统计规律，或人为构造一合适的依赖随机变量的概率模型，使某些随机变量的统计量为待求问题的解，进行大统计量（N→∞）的统计实验方法或计算机随机模拟方法。　 1.设r表示射击运动员弹着点到靶心的距离，ｇ(r)表示击中r处相应的 得分数（环数），f(r)为该运动员弹着点的分布密度函数，它们反映运 动员的射击水平。该运动员的射击成绩为： ４.当N趋于无穷大，则g= 　收敛性:大数定理 （4）具有同时计算多个方案与多个未知量的能力 （1）收敛速度慢 §3 随机数的产生和检验—产生 §3 伪随机数的产生和检验---物理方法 §3 伪随机数的产生和检验---数学方法 （1）冯·诺伊曼平方取中法 §4.1 随机变量的抽样---离散型 §4.1 随机变量的抽样---离散型 3MeV光子入射屏蔽铅板的全吸收反射过程 反应类型X： 光电效应 康普顿散射 电子对产生 反应截面σ： σ1 σ2 σ3 反应几率 f ： ε1= σ1/ σ ε2= σ2/ σ ε3= σ3/ σ §4.3 随机变量的抽样---变换抽样法 § 5.3 氢原子电子的分布密度 由原子物理理论和量子理论可知，氢原子态的波函数只是半径的函数，与和无关。而氢原子中电子半径的分布密度，即电子在半径处单位厚度球壳内出现的几率 模拟结果 伪随机数的均匀性 伪随机数的独立性 均匀性是指在[0,1]区间内等长度子区间中随机数的数量是一样的。 按先后顺序出现的随机数中，每个随机数的取值与其相距一定间隔的随机数取值之间无关。 §3 伪随机数序列的统计检验—检验 判断伪随机数序列是否满足均匀和相互独立的要求，要靠统计检验的方法实现。对于伪随机数的统计检验，一般包括两大类：均匀性检验和独立性检验 伪随机数的均匀性 将区间[0,1]分为K 个子区间，统计随机数落在第k 个子区间的实际频数nk，它应当趋近于理论频数mk 根据定义计算统计量 如果χ2 值很大，表示远远偏离理想值，因此要求χ2值尽可能小，但如果它趋于0则有可能N 已进入循环。通常求和中的每一项的大小约为1，因此χ2的值约为K 。 §3 随机数的产生和检验---均匀性检验 K的取值不能太大也不能太小，太大反映不出“小区间”的均匀性，太小反映不出“大区间”的均匀性 。 限制条件 （1） §3 随机数产生及检验---独立性统计检验 一般采用多维频率检验 （1）将伪随机数序列用任意一种办法进行组合，每S 个随机数作为S 维空间中的一个点的坐标值，于是可以构成一个点序列。 （2）把S 维空间中的单位方体分成为K个子方体，方体边长 （3）统计落在第k 个子方体中的实际频数nk，它应当趋近于理论频数： 伪随机数的独立性 例如将2N 个随机数序列分为两组：{ξ1 , ξ 3,… } 和{ξ 2 , ξ 4,…} ，分别作为平面中N 个点的x 和y 坐标值。在xy 平面中作K0×K0 个小正方形网格区域，落在第(i, j) 个网格区域中的实际频数为n ij ，则 用连续的两个随机数作为点( x, y) 的坐标作图可以直观看出随机数之间的关联性。显然左边是不好的随机数。左上显示出条带结构，左下则是规则网格结构。 我们也可以把伪随机数分为三列、四列等，用相似的方法进行多维独立性检验 第四节 随机变量的抽样 实际需要的大多数随机变量并不是[0,1]区间均匀分布的，而是 有各种不同形式分布密度函数的随机变量。因此，对不均匀的 随机变量抽样的关键问题是如何从均匀分布的伪随机变量样本 中，抽取符合所要求的分布密度函数的简单子样。 随机变量X ：｛x1,x2,x3,···,xN｝ 例如：x可取3个值x1, x2, x3，它们出现的几率分别为2/8,5/8,1/8，则随机数小于2/8时实现x1 ，在区间2/8,7 /8中时实现x2 ，大于7/8时实现x3. 概率密度f ：｛p1,p2,p3,···,pN｝ 如果从[0,1]区间中均匀抽样得到的随机数ξ 满足下式时 则物理量x 取值为xn 。 A. 离散型分布 归一化： 例如Poisson 分布是离散型分布 对此分布进行抽样得到第n 个事件发生的条件为 电子对产生 光电效应 康普顿效应 N N Y Y 设连续型变量x 在区间[a, b]中取值，可视为将上述的离散情形取连续极限: 显然ξ(a) =