Xreferat.com » Рефераты по математике » Сущность метода Монте-Карло и моделирование случайных величин

Сущность метода Монте-Карло и моделирование случайных величин

border="0" />.


Таблица 3.2

Сущность метода Монте-Карло и моделирование случайных величин

Сущность метода Монте-Карло и моделирование случайных величин

Сущность метода Монте-Карло и моделирование случайных величин

Сущность метода Монте-Карло и моделирование случайных величин

Сущность метода Монте-Карло и моделирование случайных величин

Сущность метода Монте-Карло и моделирование случайных величин

Сущность метода Монте-Карло и моделирование случайных величин

Сущность метода Монте-Карло и моделирование случайных величин

Сущность метода Монте-Карло и моделирование случайных величин

Сущность метода Монте-Карло и моделирование случайных величин

Сущность метода Монте-Карло и моделирование случайных величин

Сущность метода Монте-Карло и моделирование случайных величин

1 0.577 0.116 0.077 0.384 0.147 1 0.667

1 1
2 0.716 0.930 0.216 0.430 0.232
0.993 0.193 0.231
0
3 0.737 0.930 0.237 0.430 0.241 1 0.242

1 1
4 0.701 0.428 0.201 0.072 0.045
0.940 0.140 0.122
1
5 0.170 0.529 0.330 0.029 0.110 1 0.610

1 1
6 0.533 0.095 0.033 0.405 0.165 1 0.131

1 1
7 0.432 0.996 0.068 0.496 0.251 0 0.352

1 0
8 0.263 0.699 0.237 0.199 0.096 1 0.645

1 1
9 0.059 0.313 0.441 0.187 0.229 1 0.646

1 1
10 0.663 0.270 0.163 0.230 0.080 1 0.680

1 1
11 0.355 0.653 0.145 0.153 0.046 1 0.577

1 1
12 0.094 0.934 0.406 0.434 0.353 0 0.716

1 0
13 0.303 0.058 0.197 0.442 0.234 1 0.737

1 1
14 0.552 0.003 0.052 0.497 0.250 1 0.701

1 1
15 0.640 0.882 0.140 0.382 0.165 1 0.169

1 1
16 0.205 0.986 0.295 0.486 0.323 0 0.533

1 0
17 0.002 0.521 0.498 0.021 0.248 1 0.432

1 1
18 0.557 0.918 0.057 0.418 0.178 1 0.263

1 1
19 0.870 0.071 0.370 0.429 0.318 0 0.059

1 0
20 0.313 0.139 0.187 0.361 0.185 1 0.663

1 1

Сущность метода Монте-Карло и моделирование случайных величин=15


Заполним табл. 3.2 по правилу:

выделяем точки, у которых Сущность метода Монте-Карло и моделирование случайных величин, и полагаем для них Сущность метода Монте-Карло и моделирование случайных величин

среди выделенных точек области Сущность метода Монте-Карло и моделирование случайных величин принадлежат те, для которых выполняется неравенство Сущность метода Монте-Карло и моделирование случайных величин.

Для этих точек Сущность метода Монте-Карло и моделирование случайных величин, для остальных Сущность метода Монте-Карло и моделирование случайных величин

вычисляем Сущность метода Монте-Карло и моделирование случайных величин. Области Сущность метода Монте-Карло и моделирование случайных величин принадлежат те точки, для которых Сущность метода Монте-Карло и моделирование случайных величин

среди точек, у которых Сущность метода Монте-Карло и моделирование случайных величин, области Сущность метода Монте-Карло и моделирование случайных величин принадлежат те точки, координаты которых удовлетворяют неравенству

Сущность метода Монте-Карло и моделирование случайных величин

Для этих точек Сущность метода Монте-Карло и моделирование случайных величин.

В примере общее количество точек Сущность метода Монте-Карло и моделирование случайных величин, а число точек, принадлежащих области Сущность метода Монте-Карло и моделирование случайных величин, равно 15. По формуле (3.6) получаем

Сущность метода Монте-Карло и моделирование случайных величин, а точное значение объёма Сущность метода Монте-Карло и моделирование случайных величин равно Сущность метода Монте-Карло и моделирование случайных величин

Погрешность формулы (3.6) обратно пропорциональна корню из числа испытаний, т.е. Сущность метода Монте-Карло и моделирование случайных величин.

Это означает, что для обеспечения большой точности число точек Сущность метода Монте-Карло и моделирование случайных величин должно быть очень велико. Но так как приближенные формулы (3.3), (3.6) не зависят от размерности интеграла, метод Монте-Карло оказывается выгодным при вычислении интегралов большой размерности.


Заключение


Процесс выполнения данной работы представлял большой интерес и послужил хорошей возможностью для приобретения новых знаний и навыков, а также закрепления уже полученных.

Были рассмотрены основные свойства метода Монте-Карло и создана программа, показывающая возможности данного метода при использовании ЭВМ.

Было выяснено, что методом Монте-Карло можно решать разнообразные задачи, в том числе вычисление интегралов, не прибегая к сложным математическим вычислениям. Простота алгоритма метода Монте-Карло позволяет успешно реализовывать их на ЭВМ.


Список литературы


Бусленко Н.П. Метод статистического моделирования – М.: Статистика, 1970. – 112 с.

Демидович Б.П., Марон И.А. Основы вычислительной математики. - М.: Наука, 1966. – 664 с.

Епанешников А.М., Епанешников В.А. Программирование в среде TURBO PASCAL 7.0 – М.: Диалог-МИФИ, 1998. – 288 с.

Ермаков С.М. Метод Монте-Карло и смежные вопросы – М.: Наука, 1975–472 с.

Копченова Н.В., Марон И.А. Вычислительная математика в примерах и задачах. – М.: Наука, 1972. – 367 с.

Соболь И.М. Метод Монте-Карло – М.: Наука, 1985. – 80 c.


Приложения


1. Таблица 400 случайных цифр

86615 90795 66155 66434 56558 12332 94377 57802
69186 03393 42505 99224 88955 53758 91641 18867
41686 42163 85181 38967 33181 72664 53807 00607
86522 47171 88059 89342 67248 09082 12311 90316
72587 93000 89688 78416 27589 99528 14480 50961
52452 42499 33346 83935 79130 90410 45420 77757
76773 97526 27256 66447 25731 37525 16287 66181
04825 82134 80317 75120 45904 75601 70492 10274
87113 84778 45863 24520 19976 04925 07824 76044
84754 57616 38132 64294 15218 49286 89571 42903

2. Таблица 40 случайных чисел, равномерно распределенных на отрезке Сущность метода Монте-Карло и моделирование случайных величин

0.57705 0.35483 0.11578 0.65339
0.71618 0.09393 0.93045 0.93382
0.73710 0.30304 0.93011 0.05758
0.70131 0.55186 0.42844 0.00336
0.16961 0.64003 0.52906 0.88222
0.53324 0.20514 0.09461 0.98585
0.43166 0.00188 0.99602 0.52103
0.26275 0.55709 0.69962 0.91827
0.05926 0.86977 0.31311 0.07069
0.66289 0.31303 0.27004 0.13928

3. Листинг программы

Вычисляются значения кратных интегралов из примера 2–3.

program pmk;

uses crt;

var

w, u, h, k, v, y, p, s, g, x, x2, y2, z2, niu, Integral, Integral2:real;

n, m, i, a, b, e1, e2, e, e3, e4, e5:integer;

begin

clrscr;

writeln ('vychisleniye dvoynogo integrala iz primera 1');

writeln ('vvedite kolichestvo sluchaynykh tochek:');

readln(n);

for i:=1 to n do

begin

g:=random;

p:=random;

x:=g;

y:=p;

if ((0.5<=x) and (x<=1)) then e1:=1

else e1:=0;

if ((0<=y) and (y<=2*x-1)) then e2:=1

else e2:=0;

e:=e1*e2;

if e=1 then s:=s+x*x+y*y;

if e=1 then a:=a+1;

v:=1/4;

delay(1000);

end;

Integral:=(v/a)*(s);

writeln ('summa=', s:5:5);

writeln ('dvoynoy integral iz 1 primera =', Integral:5:5);

writeln ('vychisleniye troynogo integrala iz primera 2');

writeln ('vvedite kolichestvo sluchaynykh tochek:');

readln(m);

for i:=1 to m do

begin

w:=random;

u:=random;

h:=random;

x2:=w;

y2:=u;

niu:=h;

if niu<=0.8 then e3:=1;

if (x2–0.5)*(x2–0.5)+(y2–0.5)*(y2–0.5)<=(0.5)*(0.5) then e4:=1

else e4:=0;

e5:=e3*e4;

if (((0.8<niu) and (niu<1)) and ((x2–0.5)*(x2–0.5)+(y2–0.5)*(y2–0.5)+6.25*(niu-0.8)*(niu-0.8)<=(0.5)*(0.5))) then e5:=1;

if e5=1 then b:=b+1;

delay(1000);

end;

Integral2:=2.5*(b/m);

writeln ('kvo pod t =', b:5);

writeln ('troynoy integral iz 2 primera =', Integral2:5:5);

readln;

end.


4. Пример работы программы при 10000 случайных точек

Сущность метода Монте-Карло и моделирование случайных величин

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: