MonteCarloSimulationMethods.pptVIP

* * Matlab生成的正态随机数 * Acceptance-Rejection Method（一） Acceptance-Rejection 方法最早由 Von Neumann 提出，现在已经广泛应用于各种随机数的生成。 基本思路： 通过一个容易生成的概率分布 g 和一个取舍 准则生成另一个与 g 相近的概率分布 f 。 * Acceptance-Rejection Method（二） 具体步骤： * Acceptance-Rejection Method（三） 下面我们验证由上述步骤生成的随机数 Y 确实 具有密度函数 f(x) * Acceptance-Rejection Method（四） 所以为了提高舍取法的效率，我们应该使 c 的取值尽 可能的小，也就是使 f 和 g 的分布更为相近。 * 几个具体例子（一） * 几个具体例子（一） * 几个具体例子（二） * 几个具体例子（二） * 随机向量的抽样方法（一） * 随机向量的抽样方法（二） * 生成多维正态随机数的方法（一） * 生成多维正态随机数的方法（二） 生成多维正态随机数的具体步骤： * 参考数学建模书了解monte carlo的应用 搜索bayesian 了解基于monte carlo的bayesian应用 * 马氏链在Monte Carlo随机模拟中的应用 定义 为要模拟服从给定分布的随机变量,用生成一个易于 实现的不可约遍历链 作为随机样本, 使其平稳分布为 的方法，称为马氏链蒙特卡罗方法. 蒙特卡罗方法的一个首要步骤是产生服从给定的概率分布函数 的随机变量(或称为随机样本),由概率论知识,熟知下面的结论. * 引理 生成随机变量U,使其分布满足U[0,1],记为U~U[0,1], F(x)是给定的一个分布函数,记 为F(x)的反函数,则X=F-1(U)分布函数为F(x). * * * 米特罗波利斯(Metropolis)等人在1953年最早 给出了通过生成一马氏链实现从分布 中采 样(生成相关的样本)这一重要基本思想.随后, 哈斯汀(Hastings)将其推广到更一般的形式. 下面仅叙述状态空间S为至多可数的情形: * * * Markov chain Monte Carlo (MCMC) 问题提出： * MCMC方法的基本思路 MCMC 是一种简单有效的计算方法，在统计物理， Bayes 统计计算，显著性检验，极大似然估计等领 域都有着广泛的应用。 基本思路： * 概率转移核的构造（一） MCMC的方法有很多，在此我们只介绍Metropolis-Hastings方法。 基本思路： * 概率转移核的构造（二） * 概率转移核的构造（三） Metropolis-Hastings 算法： * * （续上页证明） * Metropolis-Hastings 算法的具体步骤 * 几种常用的 q(x,x’)（一） 1.Metropolis选择： * 几种常用的 q(x,x’)（二） 2.独立抽样： * 拟蒙特卡罗方法 另一类形式与Monte Carlo方法相似，但理论基础不同的方法—“拟蒙特卡罗方法”(Quasi-Monte Carlo方法)—近年来也获得迅速发展。我国数学家华罗庚、王元提出的“华—王”方法即是其中的一例。这种方法的基本思想是“用确定性的超均匀分布序列(数学上称为Low Discrepancy Sequences)代替Monte Carlo方法中的随机数序列。对某些问题该方法的实际速度一般可比Monte Carlo方法高数百倍，并可计算精确度。 * 蒙特卡罗模拟方法Monte Carlo Simulation Methods * 主要内容 1.各种随机数的生成方法. 2.MCMC方法. * 蒙特卡罗模拟是一种随机模拟方法。以概率和统计理论方法为基础的一种计算方法。将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。为象征性地表明这一方法的概率统计特征，故借用赌城蒙特卡罗命名。又称统计模拟法、随机抽样技术。由S.M.乌拉姆和J.冯·诺伊曼在20世纪40年代为研制核武器而首先提出 。在这之前，蒙特卡罗方法就已经存在。1777年，法国Buffon提出用投针实验的方法求圆周率∏。这被认为是蒙特卡罗方法的起源。 * 从Buffon 投针问题谈起 * Buffon 投针问题 * 试验者 时间(年) 针长 投针次数 相交次数 π的估计值 Wolf 1850 0.80 5000 2532 3.1595