蒙特卡罗方法介绍及其建模应用Part_I_20160705.pptVIP

Monte-Carlo 方法介绍及其建模应用 朱连华 Tel南京信息工程大学数学与统计学院 E-mail:ahualian@126.com 课程说明 公用邮箱：ahualian2008@126.com key：ahualian2008 参考书目: 黄燕、吴平.SAS统计分析及应用，机械工业出版社. 陈杰. Matlab宝典，电子工业出版社. 张文彤等.SPSS11.0统计分析教程，北京希望电子出版社. 薛益、陈立萍.统计建模与R软件，清华大学出版社. 主要内容 蒙特卡洛方法介绍 模拟的概念 模拟就是利用物理的、数学的模型来类比、模仿现实系统及其演变过程，以寻求过程规律的一种方法。 模拟的基本思想是建立一个试验模型，这个模型包含所研究系统的主要特点．通过对这个实验模型的运行，获得所要研究系统的必要信息 模拟的方法 物理模拟 对实际系统及其过程用功能相似的实物系统去模仿。例如，军事演习、船艇实验、沙盘作业等 物理模拟通常花费较大、周期较长，且在物理模型上改变系统结构和系数都较困难 许多系统无法进行物理模拟，如社会经济系统、生态系统等 数学模拟 在一定的假设条件下，运用数学运算模拟系统的运行，称为数学模拟。现代的数学模拟都是在计算机上进行的，称为计算机模拟 计算机模拟可以反复进行，改变系统的结构和系数都比较容易 在实际问题中，面对一些带随机因素的复杂系统，用分析方法建模常常需要作许多简化假设，与面临的实际问题可能相差甚远，以致解答根本无法应用。这时，计算机模拟几乎成为唯一的选择。 Monte Carlo的起源 Monte Carlo方法： 又称随机模拟方法，对研究的系统进行随机观察抽样,通过对样本值的统计分析，求得所研究系统的某些参数 它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来，“曼哈顿计划”主持人之一、数学家：冯·诺伊曼用驰名世界的赌城—摩纳哥最大的城市Monte Carlo—来命名这种方法 MC的起源和发展 在大众的心目中，科学的代言人是“心不在焉”的牛顿或者“爆炸式“发型的爱因斯坦 但这只是传统形象，比他们更了解现代计算技术的冯·诺伊曼是个”衣着考究，风度翩翩“的人物，他说： 纯粹数学和应用数学的许多分支非常需要计算工具，用以打破目前由于纯粹分析的研究方法不能解决非线性问题而形成的停滞状态 Monte Carlo方法是现代计算技术的最为杰出的成果之一，它在工程领域的作用是不可比拟的 Monte Carlo方法的应用 物理：核物理，热力学与统计物理，粒子输运问题等 数学：多重积分、解微分方程、非线性方程组求解等 工程领域：真空技术，水力学，激光技术等 经济学领域：期权定价、项目管理、投资风险决策等 其他领域：化学、医学，生物，生产管理、系统科学、公用事业等方面，随着科学技术的发展，其应用范围将更加广泛。 MC的起源和发展 事实上，Monte Carlo方法的基本思想很早以前就被人们所发现和利用： 早在17世纪，人们就知道用事件发生的“频率”来近似事件的“概率” 18世纪下半叶法国学者Buffon提出用投针试验的方法来确定圆周率π的值的Buffon投针试验是Monte Carlo方法的最早的尝试 历史上曾有几位学者相继做过这样的试验： 试验费时费力 精度不够高 实施困难 随着计算机技术的飞速发展，人们不需要具体实施这些试验，而只要在计算机上进行大量的、快速的模拟试验 Buffon 试验 假设平面上有无数条距离为1的等距平行线，现向该平面随机投掷一根长度为l的针(l?1)，则我们可计算该针与任一平行线相交的概率。这里，随机投针指的是：针的中心点与最近的平行线间的距离X均匀地分布在区间[0,1/2]上，针与平行线的夹角?（不管相交与否）均匀的分布在区间[0,?]上。此时，针与线相交的充要条件是 从而针线相交的概率为 根据上式，若我们做大量的投针试验并记录针与线相交的次数，则由大数定理可以估计出针线相交的概率p，从而得到? 的估计值。 建立统计模型，主要特征参量方面要与实际问题或系统相一致，问题的解对应于模型中随机变量的概率分布或其某些数字特征 根据模型中各个随机变量的分布，在计算机上产生随机数，实现一次模拟过程所需的足够数量的随机数，进而进行随机模拟实验 根据概率模型的特点和随机变量的分布特性，设计和选取合适的抽样方法，并对每个随机变量进行抽样（包括直接抽样、分层抽样、相关抽样、重要抽样等） 按照所建立模型进行仿真试验、计算，求出问题的随机解 统计分析模拟试验结果，给出问题的估计以及其精度估计。必要时，还应改进模型以降低估计方差和减少试验费用，提高模拟计算的效率。 蒙特卡洛模拟的理论基础 大数定律---贝