蒙特卡洛方法 matlab 实现
|||
蒙特卡罗(Monte Carlo)方法,也称为计算机随机模拟方法,是一种基于"随机数"的计算方法。
假设我们有个y=x^2的表达式,如何用MC方法求得函数在[0,1]区间的定积分呢?
定积分可以用面积来求解,也就是通过求箭头下的面积
假设我们有个y=x^2的表达式,如何用MC方法求得函数在[0,1]区间的定积分呢?
定积分可以用面积来求解,也就是通过求箭头下的面积
即:正方形面积为1. 定积分面积等于=阴影部分的随机数与正方形面积中总的随机数之比。
为了衔接方便,照顾新手,给出作图程序吧
x=0:0.01:1;y=x.^2;plot(x,y);
MC方法实现非常简单,通过下面的代码就可以
staus=10;
for i=1:4 %4次模拟
point=staus.^i; %模拟的随机点数
RandData=rand(2,point); %根据随机点数,产生随机的(x,y)散点,不明白可以试试 %scatter(RandData(1,:),RandData(2,:))
Below=find(RandData(1,:).^2>RandData(2,:));%寻找位于曲线下的散点
Outcome(i)=length(Below)/length(RandData);%最终结果的表示
end
Outcome =
0.3000 0.3600 0.3180 0.3311
从Outcome看,通过不断增加随即点数,结果越与真实值相符
当散点数为10^4时,所得图见下
BelowData=RandData(:,Below);
hold on
scatter(BelowData(1,:),BelowData(2,:))%x轴为生成的随机数,y轴为随机数的平方
如果我们选取的散点数为10^5,则定积分值为0.3335,所得图形见下(代码略,同上)
以上是对MC方法最简单的理解,不过思想上是融会贯通的,适合新手学习。所以很明确,MC是基于概率的 随机模拟方法
http://blog.sciencenet.cn/blog-316653-375888.html 转载请注明来自科学网博客,并请注明作者姓名。
x=0:0.01:1;y=x.^2;plot(x,y);
![](https://i-blog.csdnimg.cn/blog_migrate/a689ea0d4588c7697fdd1f45df6d9392.jpeg)
MC方法实现非常简单,通过下面的代码就可以
staus=10;
for i=1:4 %4次模拟
point=staus.^i; %模拟的随机点数
RandData=rand(2,point); %根据随机点数,产生随机的(x,y)散点,不明白可以试试 %scatter(RandData(1,:),RandData(2,:))
Below=find(RandData(1,:).^2>RandData(2,:));%寻找位于曲线下的散点
Outcome(i)=length(Below)/length(RandData);%最终结果的表示
end
Outcome =
0.3000 0.3600 0.3180 0.3311
从Outcome看,通过不断增加随即点数,结果越与真实值相符
当散点数为10^4时,所得图见下
BelowData=RandData(:,Below);
hold on
scatter(BelowData(1,:),BelowData(2,:))%x轴为生成的随机数,y轴为随机数的平方
![](https://i-blog.csdnimg.cn/blog_migrate/b3d7bbfdd46c0dc587e15237715b2c94.jpeg)
如果我们选取的散点数为10^5,则定积分值为0.3335,所得图形见下(代码略,同上)
![](https://i-blog.csdnimg.cn/blog_migrate/cbd9575579ed8fadb2abf50fca4d5735.jpeg)
以上是对MC方法最简单的理解,不过思想上是融会贯通的,适合新手学习。所以很明确,MC是基于概率的 随机模拟方法
http://blog.sciencenet.cn/blog-316653-375888.html 转载请注明来自科学网博客,并请注明作者姓名。