数学实验_10_数据的统计与分析报告.docxVIP

学刃参考 学刃参考 实验10：数据的统计与分析 习题5： 炮弹射击的目标为一圆形区域，半径为100m,弹着点以圆心为中心成二位正 态分布，设在密度函数式当中，=80m, （Ty=50m,相关系数1=04,求炮弹命中圆形区 域的概率。 模型建立 设目标中心为坐标原点。Rad （radium）二100,则圆形区域吋以表示为：Q ： X2 + y2 rad： 着弹点符合二维正态分布，记其坐标为（x,y），其概率密度为有： p（x, y） = 1 ——-exp[- 1 （2 - 2r + X-）] （ 1） /1-r 2（1— 厂）erf 吋2 cr2- 其中s = 6 = 由于中心在原点，所以上式中不含有期望值〃（“=0）。于是炮弹 命中圆形区域的概率町以利用二重积分求得： P = JJ p（x, y）dxdy （2） 以上积分无法用解析访法求解，可以根据Monte Carlo方法通过卜式进行运算: 其中,（2*rad）2表示与圆域外切的正方形区域的面积、n为投点次数，（海，yQ表示落在Q区 域中的点的坐标。 程序设计（程序部分可直接粘贴运行人 1)构造概率密度函数，符合(1)式 function f=prob(slf s2f rz xr y) f=l/(2*pi*sl*s2*sqrt(l-rA2))*exp(-1/(l-rA2)/2*(xA2/slA2-2*r*x*y/sl/s2 +yA2/s2A2)); 2）主函数 sl=80;s2=50;%sl,s2 sl=80;s2=50; %sl,s2为标准差 r=0.4; n=100000; rad=100; x=unifrnd (-radr rad# lf n); 令在(-100, 103)内随机均匀取n组xr yfilt y=unifrnd(一rad,rad,lfn); sum=0;m=0; tic for k=l:n *计时if x(lrk) A2+y(lrk) A2=radA2 咎实现Monte Carlo *计时 s um= s um+p r ob(sl,s2,r，x(l,k)z y(lr k)); m=m+l; *sum为(3 )式右端和式部分 end p=(2*rad)A2/n*sum p=(2*rad)A2/n*sum %根据(3)式计算概率 3.运行结果及分析: n=l00000 1 2 3 4 5 计算结果 0.6962 0.6977 0.6965 0.6980 0.6967 计算时间(s) 2.161175 2.160833 2.196580 2.142944 2.189436 11=10000 1 2 3 4 5 计算结果 0.6906 0.6997 06953 0.6972 0.7025 计算时间(s) 0.21761 0.20825 0.20871 0.24071 0.22048 址终结果为0.7左右。 通过上表还町以看出，随即试验的次数并不能完全的决定最终结果的准确性。当n=le5 时，其结果比起n=le4的结果相对稳定，但是计算时间是后者的10倍，可以推断若将本方 法应用于更大规模的数据处理当中，必然产生精度和计算速度的矛盾。 以上问题是实际上反映了局部抽样中必然存在的问题，Monte Carlo算法的理论基础是 Bernoulli；数定理，即：11次独立重复试验中A发生的次数k,与A在每次试验中发生的概率 p仃如下关系： liniP{|—- p|f} = 1 ( 4 ) nTH n 而实际中的试验次数必然是仃限的，所以垃终得到的结果必然会不能完全符合P概率值。 但是，在多次重复试验中，同分布的随机变量，其总体期塑和方差为： _ 1 n Ex=-Y=EX ( 5 ) dx=±yd^2ZS m纟 n 对以看出，随着试验次数的增加，总体期塑并没右发生变化，但是方差变小了。这也就是 11=10000时得到的结果波动性比11=100000时要强的原因了，试验次数越多，试验结果偏离 实际概率的程度就越小町知,在n更人的情况卜?,对应着一个精度,在该精度要求卜.,最 终结果町以认为是和概率值完全符合。这里不再继续进行次数更多的实验。 4. 一个错误的分析： 同课本中例6不同的是，本题的x、y是相互关联的，即满足二维正态分布，而例6种 的x、y坐标是相互独立的，各自满足一维正态分布。因此，在x — y平面上，对两个坐标 的取点就必须考虎其相互影响，x、 y的取值不是关于坐标轴对称的(实际是关于原点对称 的)，因此在计算积分时G区域位于四个彖限内的枳分也不是完全相等的。若此时仍采用例 G算法:用第一彖限Q］的积分值* 4作为整体枳分值,就会产生错误（得到的结果为0 ? 8 ）： 类似的.若用第二彖限的积分值* 4作为整体积分值，也会产生错误（得到的结果为 ■ 0.6）。