![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
mentor_caro
文章平均质量分 86
赛亚茂
孤独落叶
展开
-
柯尔莫哥洛夫拟合优度检验函数(Matlab实现)
1.检验目标 要实现的一个基本目标是对来自总体的样本(X1,X2,...Xn)(X_1,X_2,...X_n)(X1,X2,...Xn),其次序统计量为:(x(1),x(2),...x(n))(x_{(1)},x_{(2)},...x_{(n)})(x(1),x(2),...x(n))。我们估计总体的分布函数为:F(x)F(x)F(x),问题是如何利用现成的样本XXX依一定的置信概率1−α1- \alpha1−α来实现对我们的估计分布函数F(x)F(x)F(x)的检验。原创 2022-05-22 00:24:09 · 2508 阅读 · 0 评论 -
武器系统仿真技术(二):末端制导系统蒙特卡洛仿真法
1.蒙特卡洛仿真方法的统计特性假设一个mmm个系统输出数据{yi}i=1m\{y_i\}_{i=1}^m{yi}i=1m,NNN次循环得到NNN组数据{{yi}i=1m}j=1N\{\{y_i\}_{i=1}^m\}_{j=1}^N{{yi}i=1m}j=1N。那么实际上会有以下两组统计特性指标:1.2数值统计特性:(1)数学期望:E(y)≈1N∑k=1NykE(y) \approx \frac{1}{N}\sum_{k=1}^Ny_kE(y)≈N1∑k=1Nyk(2)方差:σy2≈原创 2021-12-16 23:44:17 · 1881 阅读 · 0 评论 -
武器系统仿真技术(一):系统误差分析的蒙特卡洛算法
1.应用前景 可以用于航空武器系统的误差分析,特别是函数误差的计算。蒙特卡洛法和协方差法是武器系统误差分析中的两种常用方法。其基本思想是通过对随机变量的模拟,对模拟结果进行统计分析,最终给出问题数值解的估计值。2.武器系统误差的(MonteCarlo)分析方法 设系统的输入与输出之间的关系为:W=G(X)\mathbf{W}=\mathbf{G}(\mathbf{X})W=G(X) 式子中X=(X1,X2,...Xn)T\mathbf{X}=(X_1,X_2,...X_n)^TX=(X1原创 2021-12-15 23:54:22 · 2648 阅读 · 0 评论 -
EKF在三维寻的制导系统中的应用
问题介绍基本问题及算法求解代码结果位置曲线:位置误差曲线速度误差曲线加速度误差曲线问题介绍由于在对导弹的实际姿态和位置的观察中推测导弹的当前状态,常常需要借助扩展卡尔曼滤波器(EKF) 进行滤波处理。EKF的基本算法推导基本问题及算法下面以一个具体的例子来说明EKF的在制导过程中的使用:求解代码clc,cleardelta_t = 0.01;%T:采样周期lambda = 10000;tf = 3.7;%总时间T =tf/delta_t;%共采样次数%以下是状态转移矩阵.原创 2021-08-20 14:46:30 · 1559 阅读 · 0 评论 -
随机游走问题的神奇应用(二)
变概率椭圆型方程的第一边值问题的随机游走求解一.问题的提出二.问题的求解三.模型的推广四.问题的求解一.问题的提出a(P)∂2u∂x2+b(P)∂2u∂y2+c(P)∂u∂x+d(P)∂u∂y+e(P)u(P)=q(P),p∈Du(Q)=f(Q),Q∈Γ=∂Da(P)\frac{\partial ^2u}{\partial x^2}+b(P)\frac{\partial ^2u}{\partial y^2}+c(P)\frac{\partial u}{\partial x}+d(P)\frac{\pa原创 2020-12-27 13:52:45 · 772 阅读 · 0 评论 -
随机游走问题的神奇应用(一)
泊松方程的随机游走求解一.问题的提出二.问题的求解三.代码求解可以用monteCarlo方法构建一个随机游走过程来求解偏微分方程。一.问题的提出 求解二维泊松方程的第一边值问题如下:∂2u(P)∂x+∂2u(P)∂y2=q(P)P(x,y)∈D\frac{\partial^2 u(P)}{\partial x} + \frac{\partial^2 u(P)}{\partial y^2} = q(P)\quad P(x,y) \in D\\∂x∂2u(P)+∂y2∂2u(P)=q(P)原创 2020-12-26 21:57:39 · 2181 阅读 · 1 评论 -
基于MonteCarlo法的经典射击问题中的杀伤概率估计问题
问题的建模 若假设一个火力单位有mmm件同种类型的武器,同步发射,一次发射时每件武器各发射出nnn发射弹。在这样的条件下,击毁一个目标VVV的概率,一般称为杀伤概率。若我们假设每发射弹弹着点的射击误差均位二维随机向量。假设第iii件武器第jjj发射弹弹着点的射击误差向量是:Xij=Yij+Z+Ai+AX_{ij} = Y_{ij}+Z+A_i+AXij=Yij+Z+Ai+A 其中,XijX_{ij}Xij取值x=(x1,x2)x = (x_1,x_2)x=(x1,x2);..原创 2020-12-24 18:28:33 · 830 阅读 · 1 评论 -
汽油与消费需求问题的MonteCarlo求解方法
汽油与消费需求问题的MonteCarlo求解方法一.问题的提出 你受雇于一家加油站连锁店当顾问,你现在的任务是要确定每隔多长时间把多少汽油运送到各个加油站。每次运送汽油都要支付费用ddd,其是于运送无关的附加费用。加油站都在告诉公路旁,所以需求量可以合理的假设为常数,决定费用的其他因素有:存储中冻结的资金分期偿还的设备费用保险费税费安全检测费假定在短期运营中每个加油站汽油的需求和价格都是常数。只要加油站没有短缺,就可以得到不变的总收入。因此如果我们想要最大化总利润,那么原创 2020-12-22 12:31:59 · 1211 阅读 · 0 评论 -
中子穿墙问题的MonteCarlo求解方法
中子穿墙问题的MonteCarlo求解方法一.问题的提出二.问题的分析三.问题的求解一.问题的提出 如下图所示,代表一个中子穿过用于屏蔽中子的铅墙的示意图。铅墙的高度远大于左右的厚度。设中子垂直由左端进入铅墙,铅墙中前行一个单位距离后与一个铅原子碰撞。此时会改变方向,但是此时改变的方向是任意的,并且能继续运行一个单位后与另一个铅原子碰撞。这样下去,如果中子在铅墙里消耗掉所有的能量或者从左端溢出即被视为中子被铅墙挡住。但是,如果中子由右端溢出,那么我们就视作中子溢出。假设穿墙的厚度为5个单位,能量为可以原创 2020-12-20 10:39:50 · 330 阅读 · 2 评论 -
打怪升级的monteCarlo仿真方法
该题目来自公众号数学建模交流的清风老师之手。这个公众号有着学习数学建模的优质资源和课程,强烈推荐学习。打怪升级的montecarlo仿真方法一.问题说明二.问题的分析三.monteCarlo法代码实现四.结果一.问题说明二.问题的分析Step1: 初始化等级degree=1degree = 1degree=1级,金钱数为goldi=0gold_i = 0goldi=0。Step2: 产生随机数,将等级degreedegreedegree按照一定的概率进行转移到其他degreedegreed.原创 2020-11-28 21:22:29 · 206 阅读 · 0 评论 -
排队论模型的monteCarlo法仿真
排队论模型的monteCarlo法仿真一.问题的提出二.问题的分析三.代码实现四.结果在我们的生活中,排队的现象几乎处处可见。看似毫无规则的排队模型其实里面蕴藏者很大的学问。比如说在一般的排队问题中,人们到达某个地方的时间间隔近似服从指数分布。而这篇博文的目的就是为了找出蕴藏在排队论中的一般规律,用monteCarlo法找到我们想要的结果。一.问题的提出 在某个银行的窗口只有一个服务窗口,工作人员逐个接待顾客。当顾客的数目比较多的时候需要排队等待。此时我们可以假设第iii个顾客和第i−1i-1原创 2020-11-28 15:51:30 · 1525 阅读 · 0 评论 -
三门问题的MonteCarlo仿真方法
三门问题的MonteCarlo仿真方法一.三门问题二.问题分析三.实现代码四.结果一.三门问题 一个人参加某个电视节目,有三个门,其中只有一个门后面有大奖汽车。当该挑战者选好了一个门之后,主持人打开另一个门发现后面没有汽车,问挑战者是否更换门,请问此时这个人是否应该坚持自己最初的想法那个门?二.问题分析 我们用MonteCarlo法用生成随机数来进行仿真实验。 Step1: 首先生成一个随机变量xi=jx_i = jxi=j ,jjj只能随机取1,2,3之中的一个,代表第jjj个门后有大原创 2020-11-28 14:56:30 · 429 阅读 · 0 评论 -
e值的MonteCalo法估计
伯努利信封装错问题估计e值一.问题的提出二.问题的分析三.代码实现用MonteCarlo法估计自然常数e的值。一.问题的提出 一群人每人写一张卡片,卡片上是自己的名字。把卡片收上去,打乱次序,再随机发给每一个人。此时每个人拿到的都不是自己的概率趋近与1e\frac{1}{e}e1。二.问题的分析如果我们多次重复此次实验(nnn次),那么用求得的事件每个人拿到的都不是自己的数字的事件发生的次数为mmm,我们可以用大数定律求得:∀ϵ>0,limn→∞P{∣mn−1e∣<ϵ}=1\原创 2020-11-21 10:42:44 · 1358 阅读 · 0 评论 -
通俗易懂的MonteCarlo积分方法(七)
通俗易懂的MonteCarlo积分方法(七)一.设计的基本GUIGUIGUI格式二.设计Matlab的三重积分算法函数int3Cul.mint3Cul.mint3Cul.m三.设计GUIGUIGUI的算法函数四.基本的GUIGUIGUI界面利用之前总结的计算方法用matlab设计一个GUI界面专门来计算三重积分一.设计的基本GUIGUIGUI格式 先在MatlabMatlabMatlab的命令行窗口输入以下的指令:>> guide 在新建一个空白的GUIGUIGUI后搭建如下原创 2020-10-29 22:09:51 · 1607 阅读 · 1 评论 -
通俗易懂的MonteCarlo积分方法(六)
足球门的危险区域威胁度衡量问题一.问题的提出二.问题分析三.模型的建立四.模型的求解这次我们主要以足球门的危险区域威胁度衡量问题(无防守球员)来作为MonteCarlo积分的一个实际应用一.问题的提出 一般的足球比赛中,球员在球门前不同位置起脚对球门的威胁时不同的。具体表现在:正前方的威胁要大于在球门两侧的射门,近距离的射门的威胁要远大于远距离射门。对于一般的职业球员来说,射门时候的速度一般在10m/s10m/s10m/s左右。我们要考虑的问题是球员在不同位置射门时候对球门的威胁度进行建模计算,原创 2020-10-25 23:05:27 · 653 阅读 · 0 评论 -
通俗易懂的MonteCarlo积分方法(五)
通俗易懂的MonteCarlo积分方法(五) 这次主要目的是想办法提高MonteCarloMonteCarloMonteCarlo的计算精度。 如果我们要求解一个定积分:J=∫abf(x)dxJ = \int_a^bf(x)dxJ=∫abf(x)dx 在求解这个定积分之前我们先假设我们可以产生在[a,b][a,b][a,b]上的具有给定密度函数p(x)p(x)p(x)的独立随机变量ζ\zetaζ。 那么这个p(x)p(x)p(x)在[a,b][a,b][a,b]上就满足以下条件:p原创 2020-10-24 18:57:52 · 307 阅读 · 0 评论 -
布丰投针试验的仿真和误差估计
布丰投针试验试验原理一.试验步骤:二.理论投针概率的计算:计算过程一.计算π\piπ的理论值和误差二.Python代码的实现试验原理一.试验步骤: 1.选一个长度为lll的针。再选取一张白纸,上面划分许多平行且相隔为aaa的平行线。(l<al<al<a) 2.随机向纸投nnn次针,其中有mmm次针与平行线相交。 3.计算投针的概率为p=mnp = \frac{m}{n}p=nm。二.理论投针概率的计算:计算过程一.计算π\piπ的理论值和误差 这根长为lll的原创 2020-10-21 17:13:34 · 1574 阅读 · 1 评论 -
证明任意两个自然数互质的概率为6/pi^2
证明任意两个自然数互质的概率为6π2\frac{6}{\pi^2}π26 设事件A:{′m,n互质′}A:\{'m,n互质'\}A:{′m,n互质′},事件B:{′a,b互质′}B:\{'a,b互质'\}B:{′a,b互质′},事件Ck:{′k是a,b的公因数′}C_k:\{'k是a,b的公因数'\}Ck:{′k是a,b的公因数′},Dk:{′k是a,b的最大公因数′}D_k:\{'k是a,b的最大公因数'\}Dk:{′k是a,b的最大公因数′}。 若设任意两个自然数分别为a,ba,ba,b,原创 2020-10-19 13:19:46 · 2008 阅读 · 0 评论 -
通俗易懂的Monte Carlo积分方法(四)
通俗易懂的Mento Carlo积分方法(四)Mento Carlo 方法计算的理论基础通俗易懂的Mento Carlo积分方法(四)1.理论目标2.收敛性的描述3.误差的描述与控制4.减少误差的技巧5.代码的实现1.理论目标 利用辛钦大数定律和中心极限定理对MentoCarloMento CarloMentoCarlo方法的收敛性和误差进行定量的描述。2.收敛性的描述 若随机变量Xi(i=1,2,...N)X_i(i=1,2,...N)Xi(i=1,2,...N)是独立同分布的随机变量,其原创 2020-10-13 13:14:16 · 618 阅读 · 0 评论 -
通俗易懂的Monte Carlo的积分方法(三)
通俗易懂的Monte Carlo的积分方法(三)考虑曾经在参加MCM时的一个多重积分的计算难题∫∫D(H−z(x,y))21+zx2+zy2dσ\int\int_{D}(H-z(x,y))^2\sqrt{1+z_x^2+z_y^2}d\sigma∫∫D(H−z(x,y))21+zx2+zy2dσ其中:x2a2+y2b2+z2c2=1\frac{x^2}{a^2}+\frac{y^2}{b^2}+\frac{z^2}{c^2}=1a2x2+b2y2+c2z2=1且z≥0z \geq原创 2020-10-06 17:46:25 · 651 阅读 · 0 评论 -
通俗易懂的Monte Carlo积分方法(二)
通俗易懂的Monte Carlo积分方法(二)Monte Carlo积分的计算(期望法)Monte Carlo算法的期望法计算的数学基础:辛钦大数定律:如果Xi是独立的随机变量,且EXi是相应的数学期望,∀ϵ>0,(i=1,2,...N),则有:limn→∞P{∣1n∑i=1nXi−1n∑i=1nEXi∣<ϵ}=1如果X_i 是独立的随机变量,且EX_i是相应的数学期望,\\\forall\epsilon>0,(i=1,2,...N),则有:\\lim_{n\rightarro原创 2020-09-19 21:49:00 · 1644 阅读 · 0 评论 -
通俗易懂的Monte Carlo积分方法(一)
通俗易懂的Monte Carlo积分方法(一)Monte Carlo积分的投点法计算:Monte Carlo算法(投点法)的数学基础:伯努利大数定律:设fA为n重伯努利试验中事件A发生的次数,而P为事件A发生的概率,那么∀ϵ>0有下面的式子成立:设f_{A}为n重伯努利试验中事件A发生的次数,而 \\P为事件A发生的概率,那么\forall\epsilon > 0\\有下面的式子成立:设fA为n重伯努利试验中事件A发生的次数,而P为事件A发生的概率,那么∀ϵ>0有下面的式子成原创 2020-09-18 11:07:02 · 3061 阅读 · 0 评论