蒙特卡罗方法(II)解析.pptVIP

定义转移概率 即：从状态x i 转移到状态 xj 的跃迁概率，它需满足 设可能的状态总数目为M ，则转移概率构成M×M矩阵W ={Wij} 。用矢量p(1) 表示系统初始态构型的概率，则在N 步之后，系统平衡态的几率分布为 §4 蒙特卡罗方法应用---经典粒子体系 则条件概率 Markov 链的极限分布是与初始分布的选择无关的，仅决定于转移概率。 W1→1 =0.5 ， W1→ 2 =0.5 ，W2→1 =1 ， W2→2 = 0 。 §4 蒙特卡罗方法应用---经典粒子体系 设初始分布为p(1) = (1,0) ，乘以跃迁矩阵后可得p(2) = (0.5,0.5) ， p(3) = (0.75, 0.25) ，连续乘下去得到平衡态分布(2/3,1/3) 。 如一个两能级系统，其第一和第二能级分布的Boltzmann 因子是2:1，平衡态下的构型分布应该为矢量(2/3,1/3) 。用下面的跃迁矩阵可以达到该极限分布， 蒙特卡罗方法（二） §3 随机变量的抽样---离散型直接抽样法 随机变量X ：｛x1,x2,x3,···,xN｝ 例如：x可取3个值x1, x2, x3，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 。 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 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。 离散型直接抽样法 §3 随机变量的抽样---离散型直接抽样法 例如Poisson 分布是离散型分布 第n 个事件发生的条件为 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 归一化： 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，将上述的离散情形取连续极限: ξ(a) = 0,ξ(b) = 1且是单调增加 要求变量x，可由上式解析反解出x (ξ ) 的函数表达式，即求反函数。 这对一些简单的几率密度函数解析表达式是很容易做到的。 §3 随机变量的抽样---连续型直接抽样法 求累积函数 p(x)已归一化： 未归一化的物理量（如截面σ ( x)） ： §3 随机变量的抽样---连续型直接抽样法 如粒子随机运动的自由程分布为指数分布： 求反函数 注意（1-ξ）和 ξ 同样服从[0，1]的均匀分布 求累积函数 §3 随机变量的抽样---变换抽样法 变换抽样法的基本思想是将一个比较复杂的分布p(x)的抽样，变换为已知的简单分布g(y) 的抽样 找到x ? y 之间的对应关系，使得几率密度守恒： 显然，当g(y) 取[0,1]均匀分布时，问题即化为：寻找y(x) ，使其导数为p(x)，然后在[0,1]区间中对变量y 抽样得到均匀分布的随机数，再由x ( y) 关系得到对应几率密度函数p(x)的随机抽样x 。 一维： 二维：有两个变量x 和y 的联合分布密度函数为p(x,y) ，欲变 换至变量u 和v ，它们的联合分布密度函数为g(u,v) 取联合分布密度函数g(u,v) 为均匀分布： §3 随机变量的抽样---变换抽样法 则只要寻找变换式 x=x(u, v), y= y(u, v) ，以使 p(x, y)= |?(u, v) /?(x, y)| 对均匀随机变量(u,v) 进行抽样，代入变换式得x 和y 的抽样。 对于Gauss 正态几率分布的抽样 代换 令极坐标系下的角度为2πv ，半径为 试通过一个两维联合分布的抽样获得该一维分布的抽样。 u 和v 都是[0,1]区间中的均匀分布的随机抽样，则变换关系式为 §3 随机变量的抽样---变换抽样法 Jacobian 即两维分布为两个独立分布之积。显然抽样x 或y 都满足正态分布。 可见，为了得到满足一个复杂分布的随机抽样，可以用了两个满足简单分布的随机数u 和v 抽样------Box-Muller 法。 可得反变换 §3 随机变量的抽样---变换抽样法 §4 蒙特卡罗方法应用---数值积分 计算定积分的基本公式 S0为方形区域的面积，N是总点数，n是