并行与分布式计算-蒙特卡洛法
1.蒙特卡罗模拟概念
蒙特卡罗方法又称 统计模拟法、 随机抽样技术,是一种随机模拟方法,以 概率和统计理论方法为基础的一种计算方法,是使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系,用电子计算机实现统计模拟或抽样,以获得问题的近似解。为象征性地表明这一方法的概率统计特征,故借用赌城蒙特卡罗命名。
1.1蒙特卡罗法优点
-
1.方法的误差与问题的维数无关。
-
2.对于具有统计性质问题可以直接进行解决。
-
3.对于连续性的问题不必进行离散化处理。
1.2蒙特卡罗法缺点
-
1.对于确定性问题需要转化成随机性问题。
-
2.误差是概率误差。
-
3.通常需要较多的计算步数N。
1.3蒙特卡罗法核心
蒙特卡罗方法是将确定的值通过抽样的方法转换成近似
计算。
-
人为地描述或者构造概率过程。
-
通过计算机产生已知概率分布的随机变量,常用的概率分布有均匀分布,正
态分布,指数分布,泊松分布等。
[重点步骤:当不知道随机变量的概率模型服从那个分布时,可以使用均匀分布来构造;各种测量的误差、射击命中率、人的身高与体重等服从正态分布;指数分布可用在排队论与可靠性分析中;泊松分布可用在产品检验、排队系统、物理等领域中]
-
建立各种估计量。