Monte Carlo Integration 蒙特卡罗方法求积分 附简单例题+代码

摘要

蒙特卡罗积分是一种基于随机抽样的统计方法。打个比方，要想知道抛出硬币得到正面的概率，随机投1000次，得到500次左右，推测出概率应该为$\frac{1}{2}$。差不多是这意思，比较著名的例子是W.S.戈塞特使用随机抽样来研究现在被称为“学生t”统计数据的分布。随着计算机的出现及发展，该方法也得到发展。

方法概述

• 概述$${\int }_a^{b}g(x)dx$$
  理论基础：如果X是一个随机变量，其密度函数为$f(x)$,那么随机变量$Y=g(X)$的数学期望为$$E[g(X)]={\int }_{-\infty }^{\infty }g(x)f(x)dx$$
  那么获得服从随机变量X分布的随机数，那么所求的 $E[g(x)]$ 就是该样本均值的无偏估计。

• 计算（积分上下界为0-1）$$\theta ={\int }_0^{1}g(x)dx$$, 求$\theta$。
  这么想： $${\int }_0^{1}g(x)dx={\int }_0^{1}g(x)\times 1dx$$套上面的意思，假定X服从均匀分布 U(0，1)，那么$f(x)=1$, 那么生成该均匀分布的随机数，代入$g(x)$式子中，则
  θ = g ( x ) ‾ = 1 N ∑ 0 N g ( x i