蒙特卡罗方法第一章精要.ppt

蒙特卡罗方法及应用 第一章 蒙特卡罗方法概述 1. 蒙特卡罗方法的基本思想 2. 蒙特卡罗方法的收敛性，误差 3. 蒙特卡罗方法的特点 4. 蒙特卡罗方法的主要应用范围 蒙特卡罗方法又称随机抽样技巧或统 计试验方法。半个多世纪以来，由于科学 技术的发展和电子计算机的发明 ，这种方 法作为一种独立的方法被提出来，并首先 在核武器的试验与研制中得到了应用。 蒙特卡罗方法是一种计算方法，但与 一般数值计算方法有很大区别。它是以概 率统计理论为基础的一种方法。由于蒙特 卡罗方法能够比较逼真地描述事物的特点 及物理实验过程，解决一些数值方法难以 解决的问题，因而该方法的应用领域日趋 广泛。 蒙特卡罗方法的基本思想 两个例子 例1. 蒲丰氏问题 例2. 射击问题（打靶游戏） 例3. 积分 基本思想 计算机模拟试验过程 例1. 蒲丰氏问题 　将长为2l的一根针任意投到地面上，用针与一组相间距离为2a（l＜a）的平行线相交的频率代替概率P，再利用准确的关系式： 求出π值 其中Ｎ为投计次数，n为针与平行线相交次数。 一些人进行了实验，其结果列于下表 ： 例2. 射击问题（打靶游戏） 设r表示射击运动员的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)为该运动员的弹着点的分布密度函数，它反映运动员的射击水平。该运动员的射击成绩为 用概率语言来说，g是随机变量ｇ(r)的数学期望，即 现假设该运动员进行了Ｎ次射击，每次射击的弹着点依次为r1，r2，…，rN，则Ｎ次得分g(r1)，g(r2)，…，g(rN)的算术平均值 代表了该运动员的成绩。换言之，为积分g的估计值，或近似值。 在该例中，用Ｎ次试验所得成绩的算术平均值作为数学期望g的估计值（积分近似值）。 基本思想 当所求问题的解是某个事件的概率， 或者是某个随机变量的数学期望，或者是 与概率、数学期望有关的量时，通过某种 试验的方法，得出该事件发生的频率，或 者该随机变量若干个具体观察值的算术平 均值，通过它得到问题的解。这就是蒙特 卡罗方法的基本思想。 蒙特卡罗方法是用随机试验的方法计算积分，即将所要计算的积分看作服从某种分布密度函数f(r)的随机变量ｇ(r)的数学期望 通过某种试验，得到Ｎ个观察值r1，r2，…，rN（用概率语言来说，从分布密度函数f(r)中抽取Ｎ个子样r1，r2，…，rN，），将相应的Ｎ个随机变量的值g(r1)，g(r2)，…，g(rN)的算术平均值 作为积分的估计值（近似值）。 计算机模拟试验过程 计算机模拟试验过程，就是将试验过程 （如投针，射击）化为数学问题，在计算机上实 现。以上述两个问题为例，分别加以说明。 例1. 蒲丰氏问题 例2. 射击问题（打靶游戏） 例3. 求积分问题 例１．蒲丰氏问题 设针投到地面上的位置可以用一组参数（x,θ）来描述，x为针中心的坐标，θ为针与平行线的夹角，如图所示。 任意投针，就是意味着x与θ都是任意取的，但x的范围限于［0，a］，夹角θ的范围限于［0，π］。在此情况下，针与平行线相交的数学条件是: 如何产生任意的（x,θ）？X 在［0，a］上任意取值，表示x 在［0，a］上是均匀分布的，其分 布密度函数为： 类似地，θ的分布密度函数为： 因此，产生任意的（x,θ）的过程 就变成了由f1(x)抽样x及由f2(θ) 抽样θ的过程了。由此得到： 每次投针试验，实际上变成在计算机上从两个均匀分布的随机变量中抽样得到（x,θ），然后定义描述针与平行线相交状况的随机变量s(x,θ)，为 如果投针Ｎ次，则 是针与平行线相交概率Ｐ的估计值。事实上， 于是有: 例 2．射击问题 设射击运动员的弹着点分布为 用计算机作随机试验（射击）的方法为，选取一个随机数ξ，按右边所列方法判断得到成绩。 这样，就进行了一次随机试验（射击），得到了一次成绩 ｇ(r)，作Ｎ次试验后，得到该运动员射击成绩的近似值 　蒙特卡罗方法常以一个“概率模型”为基 础，按照它所描述的过程，使用由已知分布 抽样的方法，得到部分试验结果的观察值， 求得问题的近似解。 蒙特卡罗方法的收敛性，误