第四讲. 随机模拟蒙特卡罗模拟方法课件
合集下载
蒙特卡罗模拟方法课件
对于连续型分布,如果分布函数 F(x) 的反函数 F-1(x)存在,则直接抽样 方法是 :
X F F ( )
1
例3. 在[a,b]上均匀分布的抽 样
在[a,b]上均匀分布的分布函数为:
0 x a F ( x) b a 1 当x a 当a x b 当x b
该结果表明,为了实现由任意离散型分布的随机抽 样,直接抽样方法是非常理想的。
例1. 二项分布的抽样
为:
二项分布为离散型分布,其概率函数
n P( x n) Pn CN P n (1 P) N n
其中,P为概率。对该分布的直接抽 样方法如下:
X F n, 当 Pi Pi
随机数的定义
随机数
用Monte Carlo方法模拟某过程时,需要产生各种概率分 布的随机变量。最简单、最基本、最重要的随机变量是 在[0,1]上均匀分布的随机变量。由该分布抽取的简 单子样称为随机数序列,其中每一个体称为随机数。随 机数属于一种特殊的由已知分布的随机抽样问题。随机 数是随机抽样的基本工具。 [0,1]上均匀分布(单位均匀分布),其分布密度函 数为: 1, 0 x 1 f ( x) 0, 其他
x1
与
a.xi 对模 M的同余。
xi 1 是
a.xi
•利用乘同余法产生伪随机数的步骤如下: (1)取种子 1 、乘子 a 、和模数M; (2)由式(1)获得一系列 , ...; 1 2 (3)由式(2)得到一系列 , … 。这就是所要产生的伪随机数 2 1 的序列
x
x x
乘同余方法在计算机上的使用
一些人进行了实验,其结果列于下表 :
实验者 沃尔弗(Wolf) 年份 1850 投计次数 5000 π的实验值 3.1596
X F F ( )
1
例3. 在[a,b]上均匀分布的抽 样
在[a,b]上均匀分布的分布函数为:
0 x a F ( x) b a 1 当x a 当a x b 当x b
该结果表明,为了实现由任意离散型分布的随机抽 样,直接抽样方法是非常理想的。
例1. 二项分布的抽样
为:
二项分布为离散型分布,其概率函数
n P( x n) Pn CN P n (1 P) N n
其中,P为概率。对该分布的直接抽 样方法如下:
X F n, 当 Pi Pi
随机数的定义
随机数
用Monte Carlo方法模拟某过程时,需要产生各种概率分 布的随机变量。最简单、最基本、最重要的随机变量是 在[0,1]上均匀分布的随机变量。由该分布抽取的简 单子样称为随机数序列,其中每一个体称为随机数。随 机数属于一种特殊的由已知分布的随机抽样问题。随机 数是随机抽样的基本工具。 [0,1]上均匀分布(单位均匀分布),其分布密度函 数为: 1, 0 x 1 f ( x) 0, 其他
x1
与
a.xi 对模 M的同余。
xi 1 是
a.xi
•利用乘同余法产生伪随机数的步骤如下: (1)取种子 1 、乘子 a 、和模数M; (2)由式(1)获得一系列 , ...; 1 2 (3)由式(2)得到一系列 , … 。这就是所要产生的伪随机数 2 1 的序列
x
x x
乘同余方法在计算机上的使用
一些人进行了实验,其结果列于下表 :
实验者 沃尔弗(Wolf) 年份 1850 投计次数 5000 π的实验值 3.1596
蒙特卡洛方法第四讲ppt课件
27
3>. xM功能,表示数值等于它前面数据的x 倍。 例如:5 4M => 4 20 4>. nJ功能,表示从它所在位置跳过n项不 指定的数据而使用缺省值。 • 这四项输入简写功能可以综合运用。
28
b) 列输入格式 列输入只能用于数据块中,对栅元参数和源 的描述比较有用。按行输入的栅元重要性、 体积、权窗等数据项可读性较差,而且增加 或删除栅元时要在行输入卡上仔细寻找相应 项。列输入的可读性有很大提高,删除或增 加与某一栅元相对应的数据项时也比较方便。
37
• 任何曲面都把空间分成两部分,一部分相对于该 曲面具有正坐向,另一部分具有负坐向。填写栅 元卡时,在曲面号之前用正负号表示栅元中的点 相对于该曲面的坐向,正号可省略。 对于一个封闭的曲面,例如球面,坐向(sense)就 变成: 内部=负值 Negative 外部=正值 Positive
38
39
• 再举一个例子:有一个大球面S1,它的里 面有一个小球面S2。在小球面S2外且在大 球面S1里的部分,是这样定义的:-1 +2
• 在小球面S2里的部分,是这样定义的:-2
40
41
(2) 交集和并集(intersection & union) 交集是两个集合的公共部分,如图所示。
42
• 并集是两个集合的合集:
29
• 列输入格式的第一行以#开始,#可以放在 1∼5列的任意位置,卡片助记名逐个放在该 行6列以后,在这些助记名之下按列给出数 据项。同一个列输入格式块中的卡片必须是 同一类卡片,比如都是栅元参数卡、都是曲 面参数卡或都是源参数卡等,在#号下面的 1∼5列放置栅元号、曲面号或源分布号。
30
c) 缺省值 MCNP许多输入卡的参数项有缺省值,用 户不必每次都给出这些参数,如果卡片输 入项有固定顺序,可以使用nJ功能跳过n个 输入项。如果卡片上所有数据项都想缺省, 只给出卡片助记名即可。有些卡片不给出 也有缺省值,如MODE N卡就可以省略。
3>. xM功能,表示数值等于它前面数据的x 倍。 例如:5 4M => 4 20 4>. nJ功能,表示从它所在位置跳过n项不 指定的数据而使用缺省值。 • 这四项输入简写功能可以综合运用。
28
b) 列输入格式 列输入只能用于数据块中,对栅元参数和源 的描述比较有用。按行输入的栅元重要性、 体积、权窗等数据项可读性较差,而且增加 或删除栅元时要在行输入卡上仔细寻找相应 项。列输入的可读性有很大提高,删除或增 加与某一栅元相对应的数据项时也比较方便。
37
• 任何曲面都把空间分成两部分,一部分相对于该 曲面具有正坐向,另一部分具有负坐向。填写栅 元卡时,在曲面号之前用正负号表示栅元中的点 相对于该曲面的坐向,正号可省略。 对于一个封闭的曲面,例如球面,坐向(sense)就 变成: 内部=负值 Negative 外部=正值 Positive
38
39
• 再举一个例子:有一个大球面S1,它的里 面有一个小球面S2。在小球面S2外且在大 球面S1里的部分,是这样定义的:-1 +2
• 在小球面S2里的部分,是这样定义的:-2
40
41
(2) 交集和并集(intersection & union) 交集是两个集合的公共部分,如图所示。
42
• 并集是两个集合的合集:
29
• 列输入格式的第一行以#开始,#可以放在 1∼5列的任意位置,卡片助记名逐个放在该 行6列以后,在这些助记名之下按列给出数 据项。同一个列输入格式块中的卡片必须是 同一类卡片,比如都是栅元参数卡、都是曲 面参数卡或都是源参数卡等,在#号下面的 1∼5列放置栅元号、曲面号或源分布号。
30
c) 缺省值 MCNP许多输入卡的参数项有缺省值,用 户不必每次都给出这些参数,如果卡片输 入项有固定顺序,可以使用nJ功能跳过n个 输入项。如果卡片上所有数据项都想缺省, 只给出卡片助记名即可。有些卡片不给出 也有缺省值,如MODE N卡就可以省略。
《蒙特卡罗模拟》PPT课件
(3)系统模拟法:是用数字对含有随机变量的系统进行模拟,可看作 是蒙特卡洛法的应用。一般说来,蒙特卡洛法用于静态计算,而系统模 拟法用于动态模型计算。我们主0,1]区间上均匀分布随机数的产生
定义 1:设 R 为[0,1]上服从均匀分布的随机变量,即的分布密度函数与 分布函数分别为:
布物物的理理随方方机法法数::一。一是是放放射射性性物物质质随随机机蜕蜕变变;;二二是是电电子子管管回回路路的的热热噪噪声声。(。(如如
②可可产将将生热热方噪噪法声声源源装装于于计计算算机机外外部部,,按按其其噪噪声声电电压压的的大大小小表表示示不不同同的的随随机机 物数数理。。方此此法法法:产产一生生是的的放随随射机机性性性物最最质好好随,,机但但蜕产产变生生;过过二程程是复复电杂杂子。。)管)回路的热噪声。(如 可查查将随随热机机噪数数声表表源-----装---””R于Raan计ndd算TTaa机bblel外e”(”(部11,995按555其年年噪由由美声美国电国兰压兰德的德公大公司小司编表编制示制,不,有同有随的随机随机数机数 数1100。00 此万万法个个产。。))生随随的机机随数数机表表性中中最的的好数数,字字但具具产有有生均均过匀匀程的的复随随杂机机。性)性,,没没有有周周期期性性。。使使 查用用随时时机,,数可可表根根-据据---需需”R要要an任任d取T取a一b一l段e段”(((1横9横5或或5 竖年竖)由)。。美如如国需需兰220德0个公个,司,便编便可可制从从,中有中取随取(机(顺数顺 1次次00))万2200个个个。,),需随需要机要几几数位位表取取中几几的位位数,,字随随具机机有数数均表表匀无无的所所随谓谓机位位性数数,,,没不不有能能周四四期舍舍性五五入。入。使。 用 次由 个由个时 )我递 随递随2,们推 机推机0可在数公个数公根使是式,是式据用由(需由(中需第如要第如可要同几i同i以个任余个位余在按取数按取数E一一公一几公x定c段式定e位式l公(中)公,)式产横在式随在推生或计推机计算随竖 算算数算出机机)出表机。来数内来无内如的,产的所产需,命生,谓生故令2伪故0位伪并为随个并数随非R机,非a,机真n数便真d不数正(:可正能:的)由从的四由随于中随于舍机第取机第五数(i数+入。i1+顺。。1 由但但递满满推足足公::式(如同余数公式)在计算机内产生伪随机数:由于第 i+1 个aa随))机有有数较较是好好由的的第随随机i机个、、按均均一匀匀定性性公。。式推算出来的,故并非真正的随机数。 但abcbdcbdc) ))满)) ))))有 算周足算周 算 故算故周算较 法期:法期 法 这法期法这好 过长过长 可 是过长可是的 程、程、 再 目程、再目随 不重不前重 现不前重现机 退复退复 , 最退复,最、 化化性性 速常化性速常均 ((差差 度 用(差度用即匀 即的。 快。即的。快不方性 不。不方。能法。 能能法反。反反。cd复复))复出出算算出现现法法现某某过可某一程再一一常不现常常数退,数数。化速。。)))度快。
定义 1:设 R 为[0,1]上服从均匀分布的随机变量,即的分布密度函数与 分布函数分别为:
布物物的理理随方方机法法数::一。一是是放放射射性性物物质质随随机机蜕蜕变变;;二二是是电电子子管管回回路路的的热热噪噪声声。(。(如如
②可可产将将生热热方噪噪法声声源源装装于于计计算算机机外外部部,,按按其其噪噪声声电电压压的的大大小小表表示示不不同同的的随随机机 物数数理。。方此此法法法:产产一生生是的的放随随射机机性性性物最最质好好随,,机但但蜕产产变生生;过过二程程是复复电杂杂子。。)管)回路的热噪声。(如 可查查将随随热机机噪数数声表表源-----装---””R于Raan计ndd算TTaa机bblel外e”(”(部11,995按555其年年噪由由美声美国电国兰压兰德的德公大公司小司编表编制示制,不,有同有随的随机随机数机数 数1100。00 此万万法个个产。。))生随随的机机随数数机表表性中中最的的好数数,字字但具具产有有生均均过匀匀程的的复随随杂机机。性)性,,没没有有周周期期性性。。使使 查用用随时时机,,数可可表根根-据据---需需”R要要an任任d取T取a一b一l段e段”(((1横9横5或或5 竖年竖)由)。。美如如国需需兰220德0个公个,司,便编便可可制从从,中有中取随取(机(顺数顺 1次次00))万2200个个个。,),需随需要机要几几数位位表取取中几几的位位数,,字随随具机机有数数均表表匀无无的所所随谓谓机位位性数数,,,没不不有能能周四四期舍舍性五五入。入。使。 用 次由 个由个时 )我递 随递随2,们推 机推机0可在数公个数公根使是式,是式据用由(需由(中需第如要第如可要同几i同i以个任余个位余在按取数按取数E一一公一几公x定c段式定e位式l公(中)公,)式产横在式随在推生或计推机计算随竖 算算数算出机机)出表机。来数内来无内如的,产的所产需,命生,谓生故令2伪故0位伪并为随个并数随非R机,非a,机真n数便真d不数正(:可正能:的)由从的四由随于中随于舍机第取机第五数(i数+入。i1+顺。。1 由但但递满满推足足公::式(如同余数公式)在计算机内产生伪随机数:由于第 i+1 个aa随))机有有数较较是好好由的的第随随机i机个、、按均均一匀匀定性性公。。式推算出来的,故并非真正的随机数。 但abcbdcbdc) ))满)) ))))有 算周足算周 算 故算故周算较 法期:法期 法 这法期法这好 过长过长 可 是过长可是的 程、程、 再 目程、再目随 不重不前重 现不前重现机 退复退复 , 最退复,最、 化化性性 速常化性速常均 ((差差 度 用(差度用即匀 即的。 快。即的。快不方性 不。不方。能法。 能能法反。反反。cd复复))复出出算算出现现法法现某某过可某一程再一一常不现常常数退,数数。化速。。)))度快。
数模-随机模拟-蒙特卡罗方法36页PPT
数模-随机模拟-蒙特卡罗方法
1、合法而稳定的权力在使用得当时很 少遇到 抵抗。 ——塞 ·约翰 逊 2、权力会使人渐渐失去是令人反感 ;权力 不易确 定之处 始终存 在着危 险。— —塞·约翰逊 4、权力会奴化一切。——塔西佗
5、虽然权力是一头固执的熊,可是金 子可以 拉着它 的鼻子 走。— —莎士 比
Thank you
6、最大的骄傲于最大的自卑都表示心灵的最软弱无力。——斯宾诺莎 7、自知之明是最难得的知识。——西班牙 8、勇气通往天堂,怯懦通往地狱。——塞内加 9、有时候读书是一种巧妙地避开思考的方法。——赫尔普斯 10、阅读一切好书如同和过去最杰出的人谈话。——笛卡儿
1、合法而稳定的权力在使用得当时很 少遇到 抵抗。 ——塞 ·约翰 逊 2、权力会使人渐渐失去是令人反感 ;权力 不易确 定之处 始终存 在着危 险。— —塞·约翰逊 4、权力会奴化一切。——塔西佗
5、虽然权力是一头固执的熊,可是金 子可以 拉着它 的鼻子 走。— —莎士 比
Thank you
6、最大的骄傲于最大的自卑都表示心灵的最软弱无力。——斯宾诺莎 7、自知之明是最难得的知识。——西班牙 8、勇气通往天堂,怯懦通往地狱。——塞内加 9、有时候读书是一种巧妙地避开思考的方法。——赫尔普斯 10、阅读一切好书如同和过去最杰出的人谈话。——笛卡儿
数模-随机模拟-蒙特卡罗方法36页PPT
Βιβλιοθήκη 数模-随机模拟-蒙特卡罗方法
11、获得的成功越大,就越令人高兴 。野心 是使人 勤奋的 原因, 节制使 人枯萎 。 12、不问收获,只问耕耘。如同种树 ,先有 根茎, 再有枝 叶,尔 后花实 ,好好 劳动, 不要想 太多, 那样只 会使人 胆孝懒 惰,因 为不实 践,甚 至不接 触社会 ,难道 你是野 人。(名 言网) 13、不怕,不悔(虽然只有四个字,但 常看常 新。 14、我在心里默默地为每一个人祝福 。我爱 自己, 我用清 洁与节 制来珍 惜我的 身体, 我用智 慧和知 识充实 我的头 脑。 15、这世上的一切都借希望而完成。 农夫不 会播下 一粒玉 米,如 果他不 曾希望 它长成 种籽; 单身汉 不会娶 妻,如 果他不 曾希望 有小孩 ;商人 或手艺 人不会 工作, 如果他 不曾希 望因此 而有收 益。-- 马钉路 德。
谢谢
11、越是没有本领的就越加自命不凡。——邓拓 12、越是无能的人,越喜欢挑剔别人的错儿。——爱尔兰 13、知人者智,自知者明。胜人者有力,自胜者强。——老子 14、意志坚强的人能把世界放在手中像泥块一样任意揉捏。——歌德 15、最具挑战性的挑战莫过于提升自我。——迈克尔·F·斯特利
11、获得的成功越大,就越令人高兴 。野心 是使人 勤奋的 原因, 节制使 人枯萎 。 12、不问收获,只问耕耘。如同种树 ,先有 根茎, 再有枝 叶,尔 后花实 ,好好 劳动, 不要想 太多, 那样只 会使人 胆孝懒 惰,因 为不实 践,甚 至不接 触社会 ,难道 你是野 人。(名 言网) 13、不怕,不悔(虽然只有四个字,但 常看常 新。 14、我在心里默默地为每一个人祝福 。我爱 自己, 我用清 洁与节 制来珍 惜我的 身体, 我用智 慧和知 识充实 我的头 脑。 15、这世上的一切都借希望而完成。 农夫不 会播下 一粒玉 米,如 果他不 曾希望 它长成 种籽; 单身汉 不会娶 妻,如 果他不 曾希望 有小孩 ;商人 或手艺 人不会 工作, 如果他 不曾希 望因此 而有收 益。-- 马钉路 德。
谢谢
11、越是没有本领的就越加自命不凡。——邓拓 12、越是无能的人,越喜欢挑剔别人的错儿。——爱尔兰 13、知人者智,自知者明。胜人者有力,自胜者强。——老子 14、意志坚强的人能把世界放在手中像泥块一样任意揉捏。——歌德 15、最具挑战性的挑战莫过于提升自我。——迈克尔·F·斯特利
《蒙特卡罗方法》课件
蒙特卡罗方法的优缺点
REPORTING
优点
高效性
蒙特卡罗方法在处理大规模、复杂问 题时,相对于解析方法,具有更高的 计算效率。
适用性强
该方法适用于各种类型的问题,无论 是数学、物理还是工程领域。
灵活性高
蒙特卡罗方法允许使用各种随机抽样 技术,可以根据问题的特性灵活调整 。
易于实现
蒙特卡罗方法的算法相对简单,容易 编程实现。
估计精度
统计估计的精度与样本数量和估计方法的选 择有关。
误差分析
误差来源
蒙特卡罗方法的误差主要来源于概率模型的近似和随机抽样的不 确定性。
误差控制
通过增加样本数量、改进概率模型等方法来减小误差。
误差评估
通过方差、置信区间等统计方法对误差进行评估和检验。
PART 03
蒙特卡罗方法的实现步骤
REPORTING
《蒙特卡罗方法》 PPT课件
REPORTING
• 蒙特卡罗方法简介 • 蒙特卡罗方法的原理 • 蒙特卡罗方法的实现步骤 • 蒙特卡罗方法的应用实例 • 蒙特卡罗方法的优缺点 • 蒙特卡罗方法的未来发展与展望
目录
PART 01
蒙特卡罗方法简介
REPORTING
定义与特点
定义
蒙特卡罗方法是一种基于概率统计的 数值计算方法,通过随机抽样和统计 模拟来求解数学、物理、工程等领域 的问题。
代。
PART 04
蒙特卡罗方法的应用实例
REPORTING
金融衍生品定价
总结词
蒙特卡罗方法在金融衍生品定价中应用广泛 ,通过模拟标的资产价格变化,计算衍生品 价格和风险。
详细描述
蒙特卡罗方法通过随机抽样和概率统计,模 拟标的资产(如股票、外汇或商品等)的价 格变化,从而计算出衍生品(如期权、期货 或掉期等)的预期收益或风险。这种方法能 够处理复杂的衍生品定价问题,并给出较为 精确的估计。
REPORTING
优点
高效性
蒙特卡罗方法在处理大规模、复杂问 题时,相对于解析方法,具有更高的 计算效率。
适用性强
该方法适用于各种类型的问题,无论 是数学、物理还是工程领域。
灵活性高
蒙特卡罗方法允许使用各种随机抽样 技术,可以根据问题的特性灵活调整 。
易于实现
蒙特卡罗方法的算法相对简单,容易 编程实现。
估计精度
统计估计的精度与样本数量和估计方法的选 择有关。
误差分析
误差来源
蒙特卡罗方法的误差主要来源于概率模型的近似和随机抽样的不 确定性。
误差控制
通过增加样本数量、改进概率模型等方法来减小误差。
误差评估
通过方差、置信区间等统计方法对误差进行评估和检验。
PART 03
蒙特卡罗方法的实现步骤
REPORTING
《蒙特卡罗方法》 PPT课件
REPORTING
• 蒙特卡罗方法简介 • 蒙特卡罗方法的原理 • 蒙特卡罗方法的实现步骤 • 蒙特卡罗方法的应用实例 • 蒙特卡罗方法的优缺点 • 蒙特卡罗方法的未来发展与展望
目录
PART 01
蒙特卡罗方法简介
REPORTING
定义与特点
定义
蒙特卡罗方法是一种基于概率统计的 数值计算方法,通过随机抽样和统计 模拟来求解数学、物理、工程等领域 的问题。
代。
PART 04
蒙特卡罗方法的应用实例
REPORTING
金融衍生品定价
总结词
蒙特卡罗方法在金融衍生品定价中应用广泛 ,通过模拟标的资产价格变化,计算衍生品 价格和风险。
详细描述
蒙特卡罗方法通过随机抽样和概率统计,模 拟标的资产(如股票、外汇或商品等)的价 格变化,从而计算出衍生品(如期权、期货 或掉期等)的预期收益或风险。这种方法能 够处理复杂的衍生品定价问题,并给出较为 精确的估计。
蒙特卡洛方法ppt课件
8
Monte Carlo方法的发展历史
• 20世纪四十年代,由于电子计算机的出现,利用电子计算机可
以实现大量的随机抽样的试验,使得用随机试验方法解决实际问 题才有了可能。其中作为当时的代表性工作便是在第二次世界大 战期间,为解决原子弹研制工作中,裂变物质的中子随机扩散问 题,美国数学家冯.诺伊曼和乌拉姆等提出蒙特卡罗模拟方法.由 于当时工作是保密的,就给这种方法起了一个代号叫蒙特卡罗, 即摩纳哥的一个赌城的名字。用赌城的名字作为随机模拟的名称 ,既反映了该方法的部分内涵,又易记忆,因而很快就得到人们 的普遍接受。
11
Monte Carlo方法的思想框图
建立概率统计模型
N 根据随机数在各风
险变量的概率分布
收集模型中风险变量的数据,确定风险 因数的分布函数
中随机抽样,代入 第一步中建立的数
学模型
N
根据风险分析的精度要求,
N
确定模拟次数N
建立对随机变量的抽样方 法,产生随机数
N个样本值
统计分析,估计均
值,标准差
x 1 sin
2
0 x a ,0
• 其中:
2 ,x
• 建立直角坐标系
,上述条件在坐标系下将
是曲线所P围 成Gg的的的面面曲积积 边 12梯0 a形sin区d域 。a2l 由几何概率知:
2
7
Monte Carlo方法的发展历史
历史上的实验
1901
蒙特卡洛模拟方法
1
蒙特卡洛模拟方法
1
蒙特卡罗方法概述
2
蒙特卡洛方法思想框图
3 相关案例分析及其软件操作
4 蒙特卡洛的优缺点及其适用范围
2
Monte Carlo方法的发展历史
Monte Carlo方法的发展历史
• 20世纪四十年代,由于电子计算机的出现,利用电子计算机可
以实现大量的随机抽样的试验,使得用随机试验方法解决实际问 题才有了可能。其中作为当时的代表性工作便是在第二次世界大 战期间,为解决原子弹研制工作中,裂变物质的中子随机扩散问 题,美国数学家冯.诺伊曼和乌拉姆等提出蒙特卡罗模拟方法.由 于当时工作是保密的,就给这种方法起了一个代号叫蒙特卡罗, 即摩纳哥的一个赌城的名字。用赌城的名字作为随机模拟的名称 ,既反映了该方法的部分内涵,又易记忆,因而很快就得到人们 的普遍接受。
11
Monte Carlo方法的思想框图
建立概率统计模型
N 根据随机数在各风
险变量的概率分布
收集模型中风险变量的数据,确定风险 因数的分布函数
中随机抽样,代入 第一步中建立的数
学模型
N
根据风险分析的精度要求,
N
确定模拟次数N
建立对随机变量的抽样方 法,产生随机数
N个样本值
统计分析,估计均
值,标准差
x 1 sin
2
0 x a ,0
• 其中:
2 ,x
• 建立直角坐标系
,上述条件在坐标系下将
是曲线所P围 成Gg的的的面面曲积积 边 12梯0 a形sin区d域 。a2l 由几何概率知:
2
7
Monte Carlo方法的发展历史
历史上的实验
1901
蒙特卡洛模拟方法
1
蒙特卡洛模拟方法
1
蒙特卡罗方法概述
2
蒙特卡洛方法思想框图
3 相关案例分析及其软件操作
4 蒙特卡洛的优缺点及其适用范围
2
Monte Carlo方法的发展历史
《蒙特卡罗模拟》课件
蒙特卡罗模拟的基本原理
重复实验:多次重复抽样实 验,得到大量样本
统计分析:对样本进行统计 分析,得到估计值
随机抽样:从概率分布中随 机抽取样本
误差估计:计算估计值的误 差,评估模拟结果的准确性
蒙特卡罗模拟的应用领域
金融领域:风 险评估、投资 决策、期权定
价等
工程领域:可 靠性分析、优 化设计、系统
建立模型:根据问 题建立数学模型
设定参数:设定模 型中的参数
模拟实验:进行模 拟实验,验证模型 的准确性
实现随机抽样
确定抽样范围:确定需要抽样的总体范围
生成随机数:使用随机数生成器生成随机数
确定抽样方法:选择合适的抽样方法,如简单随机抽样、 分层抽样等
实施抽样:根据抽样方法,从总体中抽取样本
Part Four
蒙特卡罗模拟的案 例分析
金融衍生品定价
蒙特卡罗模拟在金融 衍生品定价中的应用
案例分析:期权定价 模型
蒙特卡罗模拟在期权 定价中的应用
案例分析:利率衍生 品定价模型
蒙特卡罗模拟在利率 衍生品定价中的应用
风险评估
蒙特卡罗模拟是一种风险评估方法,通过模拟随机事件来预测可能的结果 案例分析可以帮助我们更好地理解蒙特卡罗模拟的应用场景和效果 风险评估可以帮助我们更好地理解风险,并采取相应的措施来降低风险 蒙特卡罗模拟在金融、工程、医学等领域都有广泛的应用
统计分析:对计算得到的统计量进行统计分析,得出结论
分析和解读结果
蒙特卡罗模拟是一种随机模拟方法,通过模拟随机事件来估计概率分布
实现步骤包括:设定随机变量、设定随机数生成器、设定模拟次数、模拟随机事件、计算结 果
结果分析:通过模拟结果可以估计出概率分布,从而进行决策
蒙特卡罗方法课件 (4)
要确定与哪一种核碰撞。设介质由A、B、C 三种原子
核组成,其核密度分别为NA、NB、NC,则介质的宏观 总截面为:
t
( Em 1
)
tA
( Em1 )
tB
( Em1 )
C t
( Em1 )
其中 tA, tB , Ct 分别为核A、B、C 的宏观总截面。其定
义如下:
() t
至此,由Sm-1完全可以确定Sm。 因此,当中子由 源出发后,即S0确定后,重复步骤 (2)~(5),直到中子 游动历史终止。于是得到了一个中子的随机游动历史
S0 ,S1 ,…,SM-1 ,SM,即
z0 , E0 ,
z1, , zM 1, E1, , EM 1,
zM EM
cos0 , cos1, , cosM 1, cosM
也就是模拟了一个由源发出的中子的运动过程。
以上模拟过程可分为两大步:第一步确定粒子的 初始状态S0,第二步由状态Sm-1来确定状态Sm。这第二 步又分为两个过程:第一个过程是确定碰撞点位置zm , 称为输运过程;第二个过程是确定碰撞后粒子的能量 及运动方向,称为碰撞过程。对于中子而言,碰撞过 程是先确定散射角,进而确定能量和运动方向;而对 于光子,碰撞过程是先确定能量,再确定散射角以及 运动方向。重复这两个过程,直至粒子的历史终止。
直接模拟方法就是直接从物理问题出发, 模拟粒子的真实物理过程。
1) 状态参数与状态序列 2) 模拟运动过程 3) 记录结果
粒子在介质中的运动的状态,可用一组参数来描
述,称之为状态参数。它通常包括:粒子的空间位置 r,
能量 E 和运动方向Ω,以 S=( r , E ,Ω ) 表示。 有时还需要其他的参数,如粒子的 时间 t 和附带
核组成,其核密度分别为NA、NB、NC,则介质的宏观 总截面为:
t
( Em 1
)
tA
( Em1 )
tB
( Em1 )
C t
( Em1 )
其中 tA, tB , Ct 分别为核A、B、C 的宏观总截面。其定
义如下:
() t
至此,由Sm-1完全可以确定Sm。 因此,当中子由 源出发后,即S0确定后,重复步骤 (2)~(5),直到中子 游动历史终止。于是得到了一个中子的随机游动历史
S0 ,S1 ,…,SM-1 ,SM,即
z0 , E0 ,
z1, , zM 1, E1, , EM 1,
zM EM
cos0 , cos1, , cosM 1, cosM
也就是模拟了一个由源发出的中子的运动过程。
以上模拟过程可分为两大步:第一步确定粒子的 初始状态S0,第二步由状态Sm-1来确定状态Sm。这第二 步又分为两个过程:第一个过程是确定碰撞点位置zm , 称为输运过程;第二个过程是确定碰撞后粒子的能量 及运动方向,称为碰撞过程。对于中子而言,碰撞过 程是先确定散射角,进而确定能量和运动方向;而对 于光子,碰撞过程是先确定能量,再确定散射角以及 运动方向。重复这两个过程,直至粒子的历史终止。
直接模拟方法就是直接从物理问题出发, 模拟粒子的真实物理过程。
1) 状态参数与状态序列 2) 模拟运动过程 3) 记录结果
粒子在介质中的运动的状态,可用一组参数来描
述,称之为状态参数。它通常包括:粒子的空间位置 r,
能量 E 和运动方向Ω,以 S=( r , E ,Ω ) 表示。 有时还需要其他的参数,如粒子的 时间 t 和附带
蒙特卡洛法ppt课件
蒙特卡洛方法的收敛性、误差及特点
设某个随机变量的简单样本为
X1,X 2, X n
其算术平均为
X
1
n
Xi
由强大数定理 lim P{| X E(X )| } 1
当n足够大时,X 依概率收敛于E(X)
•
蒙特卡罗方法的近似值与真值的误差问题,概率
论的中心极限定理给出了答案。该定理指出,如果随
机变量序列X1,X2,…,XN独立同分布,且具有有限 非零的方差σ2 ,即
方差的技巧。
蒙特卡洛方法特点
程序结构简单,模拟过程灵活,限制条件少,能够比较 逼真地描述具有随机性质的事物的特点及物理实验过程。
误差具有概率的特征,即是概率意义的误差 误差只与样本标准差和样本大小有关。
与样本元素所在的空间无关。 收敛速度与问题的维数无关 具有同时计算多个方案与多个未知量的能力。 收敛速度慢。
•
其中Ds为区域Ds的体积。这是其他数值方法难以作到的。
•
另外,在具有随机性质的问题中,如考虑的系统形状很
复杂,难以用一般数值方法求解,而使用蒙特卡罗方法,不会有
针线相交的充要条件: x l sin
x和φ的概率密度为1/a和1/ π
P
0
l sin 0
a1dxd
2l a
若投针n次,相交m次,当n→∝ 时
P
m n
2l 2nl
最后得到π值为:
aP
ma
• 一些人进行了实验,其结果列于下表 :
实验者
年份 投计次数 π的实验值
沃尔弗(Wolf) 1850 5000
(Monte Carlo)
蒙特卡罗方法又称随机抽样技巧或统计试验方法。 半个多世纪以来,由于科学技术的发展和电子计算机 的发明 ,这种方法作为一种独立的方法被提出来, 并首先在核武器的试验与研制中得到了应用。蒙特卡 罗方法是一种计算方法,但与一般数值计算方法有很 大区别。它是以概率统计理论为基础的一种方法。由 于蒙特卡罗方法能够比较逼真地描述事物的特点及物 理实验过程,解决一些数值方法难以解决的问题,因 而该方法的应用领域日趋广泛。
计算物理 蒙特卡罗方法基础ppt课件
这种模拟是以所谓“马尔科夫”(Markov)链的 形式产生系统的分布序列。该方法可以使我们能够研究 经典和量子多粒子系统的问题。
5
一 基本思想
直接蒙特卡洛模拟法: 对求解问题本身就具有概率和统计性的情况。
如:中子在介质中的传播,核衰变过程等, 思想是按照实际问题所遵循的概率统计规律,用计算
机进行直接的抽样试验,然后计算其统计参数。 该方法也就是通常所说的“计算机实验”。
对1,000,000次投针为, 0.0024
可见,增加模拟的次数可以减小误差,但不可消除误差。
12
前人进行了实验,其结果列于下表 :
实验者
年份 投计次数 π的实验值
沃尔弗(Wolf) 1850
5000
3.1596
斯密思(Smith) 1855
3204
3.1553
福克斯(Fox) 1894
1120
3.1419
对100次投针为,
0.1642
对10,000次投针为, 0.0164
对1,000,000次投针为, 0.0016 15
投点法实验程序流程图
n n max
n n1
Yes
产生随机数 1 ,2
x L1 , y L2
r 2 x2 y2 L2
Yes
M M1
计1
if (mod(ncount,100) .eq. 0 ) then
write(10,"(I10,F15.6)")ncount,
4.0d0*dble(m)/dble(ncount)
end if
end do
end
17
结果和分析
(1) 总计投点1.0×105次 (2) 该算法收敛,
5
一 基本思想
直接蒙特卡洛模拟法: 对求解问题本身就具有概率和统计性的情况。
如:中子在介质中的传播,核衰变过程等, 思想是按照实际问题所遵循的概率统计规律,用计算
机进行直接的抽样试验,然后计算其统计参数。 该方法也就是通常所说的“计算机实验”。
对1,000,000次投针为, 0.0024
可见,增加模拟的次数可以减小误差,但不可消除误差。
12
前人进行了实验,其结果列于下表 :
实验者
年份 投计次数 π的实验值
沃尔弗(Wolf) 1850
5000
3.1596
斯密思(Smith) 1855
3204
3.1553
福克斯(Fox) 1894
1120
3.1419
对100次投针为,
0.1642
对10,000次投针为, 0.0164
对1,000,000次投针为, 0.0016 15
投点法实验程序流程图
n n max
n n1
Yes
产生随机数 1 ,2
x L1 , y L2
r 2 x2 y2 L2
Yes
M M1
计1
if (mod(ncount,100) .eq. 0 ) then
write(10,"(I10,F15.6)")ncount,
4.0d0*dble(m)/dble(ncount)
end if
end do
end
17
结果和分析
(1) 总计投点1.0×105次 (2) 该算法收敛,
蒙特卡罗模拟优秀PPT资料
(WD)m<10-6, 或 (m)4>10 6
1)中子被弹回反应堆;
思考:请仔细分析以上假设的合理性.
即问:取多大的n 使 则穿过整个屏蔽层的概率W 满足
(2)令 ui=a+(b-a)ri,i=1,2,…,n;
段距离后与铅核发生碰撞,中子获得新的速度
P p ˆpP k n np 1
成立?
答案:
(2)计算出的样本方差S2 ,用来估计n.
2. M -C模拟的估计精度ε与试验次数n的平
方根成反比, 若精度ε提高10倍,则试验次数n
要增大100倍.
P197表8.2中列出了置信度为0.95 时, 在不同
精度ε及概率p条件下频率法所需试验次数。
对该表进行分析,能得到什么结论?
1. 精度提高,试验次数大幅提高; 2. 事件发生概率越接近0.5,试验次数越高;
例 核反应堆屏蔽层设计问题
核反应堆屏蔽层是用一定厚度的铅包围反应 堆,用以阻挡或减弱反应堆发出的各种射线. 在各种射线中, 中子对人体伤害极大,因此, 在屏蔽层的设计中, 了解中子穿透屏蔽层的概 率对反应堆的安全运行至关重要.
1.问题背景
假定屏蔽层是理想的均匀平板 一个中子进入屏蔽层后运动的物理过程:中 子以初速度v0和方向角α射入屏蔽层,运动一 段距离后与铅核发生碰撞,中子获得新的速度 及方向(v1,θ1). 再游动一段距离后,与铅核发生 第二次碰撞,并获得新的状态(v2,θ2),如此等等, 经过若干次碰撞后,出现下述情况之一时中子 终止运动过程
蒙特卡罗(Monte-Carlo)模拟,又称蒙特卡 罗方法、统计试验法等.
M-C模拟是静态模拟,描述特定时间点上 的系统行为.
基本思想:把随机事件 (变量)的概率特征与 数学分析的解联系起来.
1)中子被弹回反应堆;
思考:请仔细分析以上假设的合理性.
即问:取多大的n 使 则穿过整个屏蔽层的概率W 满足
(2)令 ui=a+(b-a)ri,i=1,2,…,n;
段距离后与铅核发生碰撞,中子获得新的速度
P p ˆpP k n np 1
成立?
答案:
(2)计算出的样本方差S2 ,用来估计n.
2. M -C模拟的估计精度ε与试验次数n的平
方根成反比, 若精度ε提高10倍,则试验次数n
要增大100倍.
P197表8.2中列出了置信度为0.95 时, 在不同
精度ε及概率p条件下频率法所需试验次数。
对该表进行分析,能得到什么结论?
1. 精度提高,试验次数大幅提高; 2. 事件发生概率越接近0.5,试验次数越高;
例 核反应堆屏蔽层设计问题
核反应堆屏蔽层是用一定厚度的铅包围反应 堆,用以阻挡或减弱反应堆发出的各种射线. 在各种射线中, 中子对人体伤害极大,因此, 在屏蔽层的设计中, 了解中子穿透屏蔽层的概 率对反应堆的安全运行至关重要.
1.问题背景
假定屏蔽层是理想的均匀平板 一个中子进入屏蔽层后运动的物理过程:中 子以初速度v0和方向角α射入屏蔽层,运动一 段距离后与铅核发生碰撞,中子获得新的速度 及方向(v1,θ1). 再游动一段距离后,与铅核发生 第二次碰撞,并获得新的状态(v2,θ2),如此等等, 经过若干次碰撞后,出现下述情况之一时中子 终止运动过程
蒙特卡罗(Monte-Carlo)模拟,又称蒙特卡 罗方法、统计试验法等.
M-C模拟是静态模拟,描述特定时间点上 的系统行为.
基本思想:把随机事件 (变量)的概率特征与 数学分析的解联系起来.
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
x l sin
针在平行线间的位置
于是相交的概率为曲线 y l sin 与x轴所夹图 形的面积占长方形面积的百分比
1 2l P l sin xdx a 0 a
用N表示投针的次数,n表示其中针与平行线相交的次数 由贝努里定理知,当N充分大的时候,频率接近于概率 n 2lN 即 P , 从而 . N na
i=0 i=0 n-1 n
例2. 掷骰子点数的抽样
掷骰子点数X=n的概率为:
P ( X n) 1 6
选取随机数ξ,如
n 1 n 6 6 XF n
则
X F [6 ] 1
在等概率的情况下,可使用如下更简单的 方法:
连续型分布的直接抽样方法
对于连续型分布,如果分布函数 F(x) 的反函数 F-1(x)存在,则直接抽样 方法是 :
N
A aP bL2 cQ d
收集P,L,Q数据,确定分布函 数 f ( P), f ( L), f (Q) 模拟次数N;根据分 布函数,产生随机数
N
1 2
N
A aP bL2 cQ d
1 2
根据历史数据,预测未来。 产生
N 个 A值
抽取 P,L,Q一 组随机 数,带 入模型
统计分析,估计 均值,标准差
X
模型建立的两点说明
Monte Carlo方法在求解一个问题时,总 是需要根据问题的要求构造一个用于求 解的概率统计模型,常见的模型把问题 的解化为一个随机变量 X 的某个参数 的估计问题。 要估计的参数 通常设定为 X 的数学 期望(亦平均值,即 E( X ) )。按 统计学惯例, 可用 的样本 ( X1, X 2, ...X n ) 1 X X 的平均值来估计,即 n
用MATLAB产生随机数
语言:连续均匀分布的函数表达式为 R=unifrnd(A,B) 演示:for n=1:100; k=unifrnd(0,1) end
随机抽样及其特点
由巳知分布的随机抽样指的是由己知分 布的总体中抽取简单子样。随机数序列是 由单位均匀分布的总体中抽取的简单子样, 属于一种特殊的由已知分布的随机抽样问 题。下表所叙述的由任意已知分布中抽取 简单子样,是在假设随机数为已知量的前 提下,使用严格的数学方法产生的。
蒙特卡罗模拟方法
Monte Carlo stochastic Simulink
报 告 人 :胡贵新
蒙特卡罗模拟方法
一、蒙特卡罗方法概述 二、蒙特卡罗方法模型 三、蒙特卡罗方法的优缺点及其适用范围 四、相关案例分析及软件操作 五、问题及相关答案
在用传统方法难以解决的问题中,有很大一 部分可以用概率模型进行描述.由于这类模型含 有不确定的随机因素,分析起来通常比确定性的 模型困难.有的模型难以作定量分析,得不到解 析的结果,或者是虽有解析结果,但计算代价太 大以至不能使用.在这种情况下,可以考虑采用 Monte Carlo方法。下面通过例子简单介绍Monte Carlo方法的基本思想.
分布
a (b a)r1
f [a (b a)r1 ] f (m)r2 b r 1 a s 1 m
r s2
r,s为函数参数
三角分布 三角形概率分布是一种应用较广连续型概率分布,它是一 种3点估计: 特别适用于对那些风险变量缺乏历史统计资 料和数据,但可以经过咨询专家意见,得出各参数变量的 最乐观值( a) ,最可能出现的中间值( b)以及最悲观值 (m ) ,这3个估计值( a,b, m )构成一个三角形分布。
1 N g N g (ri ) N i 1
作为积分的估计值(近似值)。
计算机模拟试验过程
计算机模拟试验过程,就是将试验过 程(如投针问题)化为数学问题,在计算 机上实现。
模拟程序
l=1; %针长为2*l d=2; %两条平行线的距离 m=0; n=10000 for k=1:n; x=unifrnd(0,d/2); %针的重点到最近平行线的距离服从[0,d/2]上的均匀分布 y=unifrnd(0,pi); %针与平行线的交角服从[0,pi]上的均匀分布 if x<0.5*1*sin(y) m=m+1; else end end p=m/n pi_m=1/p
Hale Waihona Puke ①建立概率统计模型N
②收集模型中风险变量的数据 , 确定风 险因数的分布函数
⑤根据随机数在各风 险变量的概率分布中 随机抽样,代入第一 步中建立的数学模型
N
N
③根据风险分析的精度要求,确 定模拟次数 N
④建立对随机变量的抽样 方法,产生随机数。
⑥
N 个样本值
⑦统计分析,估计均 值,标准差
例子
某投资项目每年所得盈 利额A由投资额P、劳动 生产率L、和原料及能 源价格Q三个因素。
离散型分布的直接抽样方法
对于任意离散型分布:
F ( x) Pi
xi x
其中 x1 , x2 , … 为离散型分布函数的跳跃点, P1 , P2,… 为相应的概率,根据前述直接抽样法,有离散型 分布的直接抽样方法如下:
X F xI , 当 Pi Pi
i=1 i=1 I-1 I
一些人进行了实验,其结果列于下表 :
实验者 沃尔弗(Wolf) 年份 1850 投计次数 5000 π的实验值 3.1596
斯密思(Smith)
福克斯(Fox) 拉查里尼 (Lazzarini)
1855
1894 1901
3204
1120 3408
3.1553
3.1419 3.1415929
20 世纪四十年代,由于电子计算机的出现,利用电子计算机可以 实现大量的随机抽样的试验,使得用随机试验方法解决实际问题 才有了可能。 其中作为当时的代表性工作便是在第二次世界大战期间,为解 决原子弹研制工作中,裂变物质的中子随机扩散问题,美国数学 家冯.诺伊曼(Von Neumann)和乌拉姆(Ulam)等提出蒙特卡 罗模拟方法。 由于当时工作是保密的,就给这种方法起了一个代 号叫蒙特卡罗,即摩纳哥的一个赌城的名字。用赌城的名字作为 随机模拟的名称,既反映了该方法的部分内涵,又易记忆,因而 很快就得到人们的普遍接受。
蒙特卡罗方法的基本思想
蒙特卡罗方法又称计算机随机模拟方法。 它是以概率统计理论为基础的一种方法。 由蒲丰试验可以看出,当所求问题的解是 某个事件的概率,或者是某个随机变量的 数学期望,或者是与概率、数学期望有关 的量时,通过某种试验的方法,得出该事 件发生的频率,或者该随机变量若干个具 体观察值的算术平均值,通过它得到问题 的解。这就是蒙特卡罗方法的基本思想。
常用概率分布的抽样公式
分布名称 [a,b]均匀分布 指数分布 抽样公式 注
a b a r
ln r
12 ri 6 i 1
正态分布
三角分布
ca a b a c a r ,0 r ba a,b,c为三角分布 ca 的参数 b b a b c 1 r , r 1 ba
该结果表明,为了实现由任意离散型分布的随机抽 样,直接抽样方法是非常理想的。
例1. 二项分布的抽样
为:
二项分布为离散型分布,其概率函数
n P( x n) Pn CN P n (1 P) N n
其中,P为概率。对该分布的直接抽 样方法如下:
X F n, 当 Pi Pi
Monte Carlo方法是计算机模拟的基础,它 的名字来源于世界著名的赌城——摩纳哥的 蒙特卡洛,其历史起源于1777年法国科学家 蒲丰提出的一种计算圆周 π的方法——随机 投针法,即著名的蒲丰投针问题。
Monte Carlo方法的基本思想是首先建立一个 概率模型,使所求问题的解正好是该模型的 参数或其他有关的特征量.然后通过模拟一 统计试验,即多次随机抽样试验(确定m和 n),统计出某事件发生的百分比.只要试验 次数很大,该百分比便近似于事件发生的概 率.这实际上就是概率的统计定义.利用建 立的概率模型,求出要估计的参数.蒙特卡 洛方法属于试验数学的一个分支.
0, x 0 F ( x ) x, 0 x 1 特征:独立性、均匀性 1, x 1
分布函数为:
随机数的产生方法
随机数表 物理方法 计算机方法
随机数表
随机数表是由0,1,2,…,9十个数字组成,每 个数字以0.1的概率出现,数字之间相互独 立。 方法:如果要得到n位有效数字的随机数, 只需将表中每n个相邻的随机数字合并在一 起,且在最高位的前边加上小数点即可。
X
n k 1 k
随机数
随机数的定义
用Monte Carlo方法模拟某过程时,需要产生各种概率分布的随机变 量。最简单、最基本、最重要的随机变量是在[0,1]上均匀分布 的随机变量。由该分布抽取的简单子样称为随机数序列,其中每一 个体称为随机数。随机数属于一种特殊的由已知分布的随机抽样问 题。随机数是随机抽样的基本工具。 [0,1]上均匀分布(单位均匀分布),其分布密度函数为: 1, 0 x 1 f ( x) 0, 其他
Monte Carlo方法的发展历史
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”。从方法 特征的角度来说可以一直追溯到18世纪后 半叶的蒲丰(Buffon)随机投针试验,即 著名的蒲丰问题。
1707-1788
例.蒲丰氏问题
设针投到地面上的位置 可以用一组参数(x,θ)来描 述,x为针中心的坐标,θ为针 与平行线的夹角,如图所示。 任意投针,就是意味着x 与θ都是任意取的,但x的范围 限于[0,a],夹角θ的范围 限于[0,π]。在此情况下, 针与平行线相交的数学条件是
针在平行线间的位置
于是相交的概率为曲线 y l sin 与x轴所夹图 形的面积占长方形面积的百分比
1 2l P l sin xdx a 0 a
用N表示投针的次数,n表示其中针与平行线相交的次数 由贝努里定理知,当N充分大的时候,频率接近于概率 n 2lN 即 P , 从而 . N na
i=0 i=0 n-1 n
例2. 掷骰子点数的抽样
掷骰子点数X=n的概率为:
P ( X n) 1 6
选取随机数ξ,如
n 1 n 6 6 XF n
则
X F [6 ] 1
在等概率的情况下,可使用如下更简单的 方法:
连续型分布的直接抽样方法
对于连续型分布,如果分布函数 F(x) 的反函数 F-1(x)存在,则直接抽样 方法是 :
N
A aP bL2 cQ d
收集P,L,Q数据,确定分布函 数 f ( P), f ( L), f (Q) 模拟次数N;根据分 布函数,产生随机数
N
1 2
N
A aP bL2 cQ d
1 2
根据历史数据,预测未来。 产生
N 个 A值
抽取 P,L,Q一 组随机 数,带 入模型
统计分析,估计 均值,标准差
X
模型建立的两点说明
Monte Carlo方法在求解一个问题时,总 是需要根据问题的要求构造一个用于求 解的概率统计模型,常见的模型把问题 的解化为一个随机变量 X 的某个参数 的估计问题。 要估计的参数 通常设定为 X 的数学 期望(亦平均值,即 E( X ) )。按 统计学惯例, 可用 的样本 ( X1, X 2, ...X n ) 1 X X 的平均值来估计,即 n
用MATLAB产生随机数
语言:连续均匀分布的函数表达式为 R=unifrnd(A,B) 演示:for n=1:100; k=unifrnd(0,1) end
随机抽样及其特点
由巳知分布的随机抽样指的是由己知分 布的总体中抽取简单子样。随机数序列是 由单位均匀分布的总体中抽取的简单子样, 属于一种特殊的由已知分布的随机抽样问 题。下表所叙述的由任意已知分布中抽取 简单子样,是在假设随机数为已知量的前 提下,使用严格的数学方法产生的。
蒙特卡罗模拟方法
Monte Carlo stochastic Simulink
报 告 人 :胡贵新
蒙特卡罗模拟方法
一、蒙特卡罗方法概述 二、蒙特卡罗方法模型 三、蒙特卡罗方法的优缺点及其适用范围 四、相关案例分析及软件操作 五、问题及相关答案
在用传统方法难以解决的问题中,有很大一 部分可以用概率模型进行描述.由于这类模型含 有不确定的随机因素,分析起来通常比确定性的 模型困难.有的模型难以作定量分析,得不到解 析的结果,或者是虽有解析结果,但计算代价太 大以至不能使用.在这种情况下,可以考虑采用 Monte Carlo方法。下面通过例子简单介绍Monte Carlo方法的基本思想.
分布
a (b a)r1
f [a (b a)r1 ] f (m)r2 b r 1 a s 1 m
r s2
r,s为函数参数
三角分布 三角形概率分布是一种应用较广连续型概率分布,它是一 种3点估计: 特别适用于对那些风险变量缺乏历史统计资 料和数据,但可以经过咨询专家意见,得出各参数变量的 最乐观值( a) ,最可能出现的中间值( b)以及最悲观值 (m ) ,这3个估计值( a,b, m )构成一个三角形分布。
1 N g N g (ri ) N i 1
作为积分的估计值(近似值)。
计算机模拟试验过程
计算机模拟试验过程,就是将试验过 程(如投针问题)化为数学问题,在计算 机上实现。
模拟程序
l=1; %针长为2*l d=2; %两条平行线的距离 m=0; n=10000 for k=1:n; x=unifrnd(0,d/2); %针的重点到最近平行线的距离服从[0,d/2]上的均匀分布 y=unifrnd(0,pi); %针与平行线的交角服从[0,pi]上的均匀分布 if x<0.5*1*sin(y) m=m+1; else end end p=m/n pi_m=1/p
Hale Waihona Puke ①建立概率统计模型N
②收集模型中风险变量的数据 , 确定风 险因数的分布函数
⑤根据随机数在各风 险变量的概率分布中 随机抽样,代入第一 步中建立的数学模型
N
N
③根据风险分析的精度要求,确 定模拟次数 N
④建立对随机变量的抽样 方法,产生随机数。
⑥
N 个样本值
⑦统计分析,估计均 值,标准差
例子
某投资项目每年所得盈 利额A由投资额P、劳动 生产率L、和原料及能 源价格Q三个因素。
离散型分布的直接抽样方法
对于任意离散型分布:
F ( x) Pi
xi x
其中 x1 , x2 , … 为离散型分布函数的跳跃点, P1 , P2,… 为相应的概率,根据前述直接抽样法,有离散型 分布的直接抽样方法如下:
X F xI , 当 Pi Pi
i=1 i=1 I-1 I
一些人进行了实验,其结果列于下表 :
实验者 沃尔弗(Wolf) 年份 1850 投计次数 5000 π的实验值 3.1596
斯密思(Smith)
福克斯(Fox) 拉查里尼 (Lazzarini)
1855
1894 1901
3204
1120 3408
3.1553
3.1419 3.1415929
20 世纪四十年代,由于电子计算机的出现,利用电子计算机可以 实现大量的随机抽样的试验,使得用随机试验方法解决实际问题 才有了可能。 其中作为当时的代表性工作便是在第二次世界大战期间,为解 决原子弹研制工作中,裂变物质的中子随机扩散问题,美国数学 家冯.诺伊曼(Von Neumann)和乌拉姆(Ulam)等提出蒙特卡 罗模拟方法。 由于当时工作是保密的,就给这种方法起了一个代 号叫蒙特卡罗,即摩纳哥的一个赌城的名字。用赌城的名字作为 随机模拟的名称,既反映了该方法的部分内涵,又易记忆,因而 很快就得到人们的普遍接受。
蒙特卡罗方法的基本思想
蒙特卡罗方法又称计算机随机模拟方法。 它是以概率统计理论为基础的一种方法。 由蒲丰试验可以看出,当所求问题的解是 某个事件的概率,或者是某个随机变量的 数学期望,或者是与概率、数学期望有关 的量时,通过某种试验的方法,得出该事 件发生的频率,或者该随机变量若干个具 体观察值的算术平均值,通过它得到问题 的解。这就是蒙特卡罗方法的基本思想。
常用概率分布的抽样公式
分布名称 [a,b]均匀分布 指数分布 抽样公式 注
a b a r
ln r
12 ri 6 i 1
正态分布
三角分布
ca a b a c a r ,0 r ba a,b,c为三角分布 ca 的参数 b b a b c 1 r , r 1 ba
该结果表明,为了实现由任意离散型分布的随机抽 样,直接抽样方法是非常理想的。
例1. 二项分布的抽样
为:
二项分布为离散型分布,其概率函数
n P( x n) Pn CN P n (1 P) N n
其中,P为概率。对该分布的直接抽 样方法如下:
X F n, 当 Pi Pi
Monte Carlo方法是计算机模拟的基础,它 的名字来源于世界著名的赌城——摩纳哥的 蒙特卡洛,其历史起源于1777年法国科学家 蒲丰提出的一种计算圆周 π的方法——随机 投针法,即著名的蒲丰投针问题。
Monte Carlo方法的基本思想是首先建立一个 概率模型,使所求问题的解正好是该模型的 参数或其他有关的特征量.然后通过模拟一 统计试验,即多次随机抽样试验(确定m和 n),统计出某事件发生的百分比.只要试验 次数很大,该百分比便近似于事件发生的概 率.这实际上就是概率的统计定义.利用建 立的概率模型,求出要估计的参数.蒙特卡 洛方法属于试验数学的一个分支.
0, x 0 F ( x ) x, 0 x 1 特征:独立性、均匀性 1, x 1
分布函数为:
随机数的产生方法
随机数表 物理方法 计算机方法
随机数表
随机数表是由0,1,2,…,9十个数字组成,每 个数字以0.1的概率出现,数字之间相互独 立。 方法:如果要得到n位有效数字的随机数, 只需将表中每n个相邻的随机数字合并在一 起,且在最高位的前边加上小数点即可。
X
n k 1 k
随机数
随机数的定义
用Monte Carlo方法模拟某过程时,需要产生各种概率分布的随机变 量。最简单、最基本、最重要的随机变量是在[0,1]上均匀分布 的随机变量。由该分布抽取的简单子样称为随机数序列,其中每一 个体称为随机数。随机数属于一种特殊的由已知分布的随机抽样问 题。随机数是随机抽样的基本工具。 [0,1]上均匀分布(单位均匀分布),其分布密度函数为: 1, 0 x 1 f ( x) 0, 其他
Monte Carlo方法的发展历史
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”。从方法 特征的角度来说可以一直追溯到18世纪后 半叶的蒲丰(Buffon)随机投针试验,即 著名的蒲丰问题。
1707-1788
例.蒲丰氏问题
设针投到地面上的位置 可以用一组参数(x,θ)来描 述,x为针中心的坐标,θ为针 与平行线的夹角,如图所示。 任意投针,就是意味着x 与θ都是任意取的,但x的范围 限于[0,a],夹角θ的范围 限于[0,π]。在此情况下, 针与平行线相交的数学条件是