一。蒙特卡洛随机模拟_副本.docxVIP

系列一蒙特卡洛随机模拟实验目的：学会用计算机随机模拟方法来解决随机性问题蒙特卡洛模拟法简介蒙特卡洛(Monte Carlo)方法是一种应用随机数来进行计算机摸拟的方法。此方法对研究对象进行随机抽样，通过对样本值的观察统计，求得所研究系统的某些参数。作为随机模拟方法，起源可追溯到18世纪下半叶蒲峰实验。蒙特卡洛模拟法的应用领域蒙特卡洛模拟法的应用领域主要有： 　1.直接应用蒙特卡洛模拟:应用大规模的随机数列来模拟复杂系统，得到某些参数或重要指标。 2.蒙特卡洛积分:利用随机数列计算积分，维数越高，积分效率越高。蒙特卡洛模拟法求解步骤　　应用此方法求解工程技术问题可以分为两类:确定性问题和随机性问题。解题步骤如下： 　　1.根据提出的问题构造一个简单、适用的概率模型或随机模型，使问题的解对应于该模型中随机变量的某些特征（如概率、均值和方差等），所构造的模型在主要特征参量方面要与实际问题或系统相一致 　　2 .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。通常先产生均匀分布的随机数，然后生成服从某一分布的随机数，方可进行随机模拟试验。 　　3. 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）。 　　4.按照所建立的模型进行仿真试验、计算，求出问题的随机解。 　　5. 统计分析模拟试验结果，给出问题的概率解以及解的精度估计。 在可靠性分析和设计中，用蒙特卡洛模拟法可以确定复杂随机变量的概率分布和数字特征，可以通过随机模拟估算系统和零件的可靠度，也可以模拟随机过程、寻求系统最优参数等。一. 预备知识:1．随机数的产生提示：均匀分布的随机数可由C语言或Matlab自动产生，在此基础上可产生其他分布的随机数.2．逆变换法：设随机变量U服从(0，1)上的均匀分布，则的分布函数为.步骤：(1) 产生的随机数U；(2) 计算，则服从分布.问题：练习用此方法产生常见分布随机数.例如“指数分布，均匀分布”.还有其它哪种常见分布的随机数可用此方法方便产生？ 3．产生离散分布随机数已知离散随机变量X的概率分布:，产生随机变量X的随机数可采用如下算法：将区间[0.1]依次分为长度为的小区间；产生[0，1]均匀分布随机数R，若则令，重复(b)，即得离散随机变量X的随机数序列.问题：(1) 下表给出了离散分布X的概率分布表，试产生100个随机数.X的概率分布表135790.50.050.20.050.2(2) 用此方法给出100个二项分布的随机数及10个泊松分布P(1)的随机数. 4. 正态分布的抽样提示：设是独立同分布的变量，令则与独立，均服从标准正态分布.步骤：(1) 由独立抽取 (2) 用(*)式计算.用此方法可同时产生两个标准正态分布的随机数.问题：有关随机数产生方法很多，查阅相关材料进行系统总结.二. 随机决策问题1．某小贩每天以一元的价格购进一种鲜花，卖出价为b元/束，当天卖不出去的花全部损失，顾客一天内对花的需求量是随机变量，服从泊松分布，.其中常数由多日销售量的平均值来估计，问小贩每天应购进多少束鲜花?(准则:期望收入S(u)最高)问题：(1) 在给定的值后，画出目标函数S(u)连线散点图，观察单调性，给出最优决策；(2) 选取其他的，再观察S(u)的单调性；(3) 用计算机模拟方法来求出最优决策.对固定的u，例如，u=40，对随机变量X模拟100次，每次模拟得到一个收入，求出100个收入的平均值，即得到在决策u=40情况下的可能收入；(4) 对所有的可能的u，重复(3)，从中找最大的，并与(1)的结果相比较.2. 蒙特卡罗计算值思路：图1表示一个内接于正方形的圆的半径R.圆的面积是，正方形的面积是.圆和正方形的面积的比值就是，将上述比值乘以4，就能获得值.图1例用蒙特卡罗方法计算值3.一重定积分的蒙特卡罗算法问题描述：假设函数在内有界连续，且，求解定积分.为计算出其值，可构造概率模型如下：取一个边长分别为和的矩形D，使曲边梯形在矩形域之内，如图2，并在矩形内随机投点，假设随机点均匀地落在整个矩形之内，则落在图中灰色区域内的随机点数k与投点总数N之比k/N就近似地等于曲线下方面积（即阴影面积）与矩形面积之比，从而得出近似积分.图2例求由于是非初等函数，我们很难求出其原函数，所以用牛顿-莱布尼茨公式无法求解，但可以运用蒙特卡罗方法求出其近似值.将上述方法推广到一般情况：假设函数在[a，b]内有界连续，对于定积分，为计算出其值，可构造如下概率模型：取一个边长分别为和的矩形D，使曲线段的值在矩形域之内，如图3，并在矩形内随机投点，假设随机点均匀地落在整个矩形之内，则落在图中x轴上下灰色区域内