蒙特卡洛算法及简单应用

基本概念

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。

基本思想：

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，得出该事件发生的概率，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。
当随机变量的取值仅为1或0时，它的数学期望就是某个事件的概率。或者说，某种事件的概率也是随机变量（仅取值为1或0）的数学期望。 

简单通俗点说，蒙特卡洛算法就是通过大量的随机模拟，在随机的数据里找到符合条件的数据，计算他的比例，从而推出解的近似值，比如，我要计算一个矩形里的不规则图形的面积，我可以通过在矩形里生成大量随机点，然后计算随机点在不规则图形里的概率，乘以矩形面积得出不规则图形的面积；

蒙特卡洛应用范围很广，解决的问题也很多很深，本文只针对蒙特卡洛算法在纯数学里的一些基本的简单的应用，实现语言:matlab

优点：

1、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
2、受几何条件限制小
3、收敛速度与问题的维数无关
4、具有同时计算多个方案与多个未知量的能力
5、误差容易确定
6、程序结构简单，易于实现

缺点：

1收敛速度慢
2误差具有概率性
3在粒子输运问题中，计算结果与系统大小有关


   所以在使用蒙特卡罗方法时，要“扬长避短”，只对问题中难以用解析（或数值）方法处理的部分，使用蒙特卡罗方法计算，对那些能用解析（或数值）方法处理的部分，应当尽量使用解析方法

使用蒙特卡洛算法计算积分，积分大家应该都知道，其实他就是曲线与坐标轴的面积，可以用牛顿-莱布尼兹公式求解，基本初等函数我们会求他的积分，可是如果不是呢？ 那我们可以直接从他的物理意义入手，用蒙特卡洛算法求面积得出积分的近似值；

在进行实例之前，先介绍下一个函数：引自：点击打开链接

unifrnd可以创建随机的连续均匀分布的数组。

1.R = unifrnd(A,B)

returns an array of random numbers chosen from the continuous uniform distribution on the interval from A to B. The size of R is the common size of A and B if both are arrays.  If either parameter is a scalar, the size of R is the size of the otherparameter.

这是matlab自带的帮助文件的解释，比较简略，以下补充本人的理解：