蒙特卡洛的知识小块

关于蒙特卡洛的知识

蒙特卡洛的概念

蒙特卡罗方法（Monte Carlo method），也称统计模拟方法，是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数（或伪随机数）来解决很多计算问题的方法。与它对应的是确定性算法。蒙特卡罗方法在金融工程学，宏观经济学，计算物理学（如粒子输运计算、量子热力学计算、空气动力学计算）等领域应用广泛

所求解问题是某随机事件A出现的概率（或者是某随机变量B的期望值）。通过某种“实验”的方法，得出A事件出现的频率，以此估计出A事件出现的概率（或者得到随机变量B的某些数字特征，得出B的期望值）。蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模拟实验。它是以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的近似解。可以把蒙特卡罗解题归结为三个主要步骤：构造或描述概率过程；实现从已知概率分布抽样；建立各种估计量

原理

假设某个系统为S，在此系统中对某种情况K进行分析。随机地在整个系统中采样采样N个点，满足条件K的点为M，则可以得到K在整个系统中的概率为M/N，K在整个系统中的值为M/N *S。即就是利用若干个随机样本，建立概率值。

计算步骤

1.在区间[a,b]上利用计算机均匀产生n个随机数x1,x2…xn
2.计算每一个随机数对应的被积函数值f(x1),f(x2),f(xn)
3.计算被积函数值的平均值。

例子

clear all
p=rand(10000,4);
x=-1+2p(:,1);y=-1+2p(:,2);
z=p(:,3);u=p(:,4);
c=find(z>sqrt(x.^2+y.2)&z<=1&u<=sqrt(x.^2+y.2+z.^2));

M=length©;
V=8*M/10000

应用

MCMC(Markov Chain Monte Carlo)算法
Gibbs Sampling算法
蒙特卡洛树搜索方法

参考资料

https://img-blog.csdnimg.cn/6c533cc76a834c3badb39a68c6f99987.png?x-oss-process=image/watermark
https://blog.csdn.net/weixin_43848614/article/details/108002284
https://blog.csdn.net/acdreamers/article/details/44978591
https://blog.csdn.net/xiaojiegege123456/article/details/8720322