MonteCarlo(蒙特卡洛法)简介.pptVIP

MonteCarloSimulation简介

概述蒙特卡罗(MonteCarlo)方法，或称计算机随机模拟方法或随机抽样方法或统计试验方法，属于计算数学的一个分支。是一种基于“随机数”的计算方法。

起源MonteCarlo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”来决定事件的“概率”。19世纪人们用投针试验的方法来决定圆周率π。

成型

发展本世纪40年代电子计算机的出现，特别是近年来高速电子计算机的出现，使得用数学方法在计算机上大量、快速地模拟这样的试验成为可能。

步骤可以把蒙特卡罗解题归结为三个主要步骤：构造或描述概率过程；实现从已知概率分布抽样；建立各种估计量

构造或描述概率过程对于本身就具有随机性质的问题，主要是正确描述和模拟这个概率过程，对于本来不是随机性质的确定性问题，比如计算定积分，就必须事先构造一个人为的概率过程，它的某些参量正好是所要求问题的解。即要将不具有随机性质的问题转化为随机性质的问题。

实现从已知概率分布抽样构造了概率模型以后，按照这个概率分布抽取随机变量（或随机向量），这一般可以直接由软件包调用，或抽取均匀分布的随机数构造。这样，就成为实现蒙特卡罗方法模拟实验的基本手段，这也是蒙特卡罗方法被称为随机抽样的原因。

建立各种估计量一般说来，构造了概率模型并能从中抽样后，即实现模拟实验后，我们就要确定一个随机变量，作为所要求的问题的解，我们称它为无偏估计。建立各种估计量，相当于对模拟实验的结果进行考察和登记，从中得到问题的解。

例子考虑平面上的一个边长为1的正方形及其内部的一个形状不规则的“图形”，如何求出这个“图形”的面积呢？MonteCarlo方法是这样一种“随机化”的方法：向该正方形“随机地”投掷N个点落于“图形”内，则该“图形”的面积近似为M/N。

比喻可用民意测验来作一个不严格的比喻。民意测验的人不是征询每一个登记选民的意见，而是通过对选民进行小规模的抽样调查来确定可能的民意。其基本思想是一样的。

应用科技计算中的问题比这要复杂得多。但MonteCarlo方法广泛地应用于许多应用领域，如计算物理学、粒子输运计算、量子热力学计算、量子化学、分子动力学与。特别在金融计算中，各方法有不可取代的优势。

金融中的应用

MonteCarlo方法的优势MonteCarlo方法能很好地用来对付维数的灾难，因为该方法的计算复杂性不再依赖于维数。以前那些本来是无法计算的问题现在也能够计算。为提高方法的效率，科学家们提出了许多所谓的“方差缩减”技巧。MonteCarlo模拟适用于研究复杂体系。研究具有多得数不清的结构、状态的体系，对此我们可以采用蒙特卡洛模拟，以统计的方法寻找出现几率最高的结构、状态，或相应的有关数据。

MonteCarlo方法处理的问题MonteCarlo方法处理的问题可以分两类确定性的数学问题多重积分、求逆矩阵、解线性代数方程组、解积分方程、解某些偏微分方程边值问题和计算代数方程组、计算微分算子的特征值等等随机性问题

方法在解决实际问题的时候应用MonteCarlo方法主要有两部分工作：

1、用此方法模拟某一过程时，需要产生各种概率分布的随机变量。

2、用统计方法把模型的数字特征估计出来，从而得到实际问题的数值解。

用MonteCarlo计算定积分考虑积分假定随机变量具有密度函数则

用MonteCarlo计算定积分-抽取密度为e^{-x}的随机数X_1,…X_n构造统计数则

用MonteCarlo计算定积分--且即

用MonteCarlo计算定积分---例如α=1.9取Γ(1.9)=0.96176–模拟结果不好！如果要达到0.001的精确度，要4X530^2=1123600计算！

用MonteCarlo计算定积分----例子说明分析和设计是重要的。重写积分取两个随机数

用MonteCarlo计算定积分-----取8个随机数大大改善了结果！

随机数的产生随机数是我们实现蒙特卡罗模拟的基本工具。随机数的产生就是抽样问题。可以用物理方法产生随机数，但价格昂贵，不能重复，使用不便。另一种方法是用数学递推公式产生。这样产生的序列，与真正的随机数序列不同，所以称为伪随机数，或伪随机数序列。不过，经过多种统计检验表明，它与真正的随机数，或随机数序列具有相近的性质，因此可把它作为真正的随机数来使用。

随机数的取得如果你对随机数有更高的要求，需要自己编辑“随机数生成器”最简单、最基本、最重要的一个概率分布是(0,1)上的均匀分布（或称矩形分布）例如在Matlab中，命令“rand()”将产生一个(0,1)中均匀分布的随机数你可以根据需要给随机数一个“种子”，以求不