null第七章 蒙特卡罗方法在积分计算中的应用第七章 蒙特卡罗方法在积分计算中的应用蒙特卡罗方法求积分
重要抽样
俄国轮盘赌和分裂
半解析方法
系统抽样
分层抽样第七章 蒙特卡罗方法在积分计算中的应用第七章 蒙特卡罗方法在积分计算中的应用 计算多重积分是蒙特卡罗方法的重要应用领域之一。本章着重介绍计算定积分的蒙特卡罗方法的各种基本技巧,而这些技巧在粒子输运问题中也是适用的。蒙特卡罗方法求积分蒙特卡罗方法求积分 蒙特卡罗方法求积分的一般规则如下:任何一个积分,都可看作某个随机变量的期望值,因此,可以用这个随机变量的平均值来近似它。null 设欲求积分
其中,P=P(x1,x2,…,xs)
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
示 s 维空间的点,Vs表示积分区域。取Vs上任一联合概率密度函数 f (P),令
则
即θ是随机变量 g(P) 的数学期望,P的分布密度函数为 f (P) 。 现从 f (P) 中抽取随机向量 P 的 N 个样本:Pi,i=1,2,…,N, 则
就是θ的近似估计。重要抽样重要抽样偏倚抽样和权重因子
取Vs上任一联合概率密度函数 f1(P),令
则有
现从 f1(P) 中抽样 N 个点:Pi,i=1,2,…,N, 则
就是θ的又一个无偏估计。
null重要抽样和零方差技巧
要使 最小,就是使泛函I[f1] 极小。
利用变分原理,可以得到最优的 f1(P) 为
null 特别地,当 g(P)≥0 时,有
这时
即 g1的方差为零。实际上,这时有
不管那种情况,我们称从最优分布 fl(P)的抽样为重要抽样,称函数 | g(P) | 为重要函数。 俄国轮盘赌和分裂俄国轮盘赌和分裂分裂
设整数 n≥1,令
则
于是计算θ的问题,可化为计算 n 个θi 的和来得到,而每个 gi(P) 为原来θ的估计 g(P) 的 1/ n ,这就是分裂技巧。null俄国轮盘赌
令 0 < q<1,
则
于是θ变为一个两点分布的随机变量ζ的期望值,
ζ的特性为:
这样就可以通过模拟这个概率模型来得到θ,这就是俄国轮盘赌。null重要区域和不重要区域
我们往往称对积分θ贡献大的积分区域为重要区域,或感兴趣的区域;称对积分θ贡献小的区域为不重要区域,或不感兴趣的区域。
考虑二重积分
令R是V2上 x 的积分区域,表为 R=R1+R2,其中R1是重要区域,R2是不重要区域,两者互不相交。又命Q为V2上相应于 y 的积分区域。则null 通常蒙特卡罗方法,由f (x,y)抽样 (x,y)的
步骤
新产品开发流程的步骤课题研究的五个步骤成本核算步骤微型课题研究步骤数控铣床操作步骤
是:从 fl(x) 中抽取 xi,再由 f2(y|xi) 中抽样确定 yi,然后用
作为θ的一个无偏估计。
现在,改变抽样
方案
气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载
如下:
当x∈R1时,定义一个整数n(xi)≥1,对一个xi,抽取
n(xi)个yij,j=1,2,…,n(xi)。以平均值
代替上述θ估计式中的 g(yi, xi) 。null当 x∈R2时,定义一个函数q(xi),0< q(xi) <1,
以抽样值
代替上述θ估计式中的 g(yi, xi) 。这里ξ是随机数。
显然,这种抽样估计技巧,就是对 x∈R1时,利用分裂技巧,而对 x∈R2时,利用俄国轮盘赌,而使估计的期望值不变。由于对重要区域多抽样,对不重要区域少观察,因此能使估计的有效性增高。
半解析(数值)方法半解析(数值)方法 考虑二重积分
令
则θx为θ的无偏估计。
null θx 的方差为
而由 f (x,y)抽样 (x,y),用 g (x,y)作为θ的估计,其方差为系统抽样系统抽样 我们知道,由f (x,y)抽样 (x,y)的步骤是:
从 fl(x) 中抽取 xi,
再由 f2(y|xi) 中抽样确定 yi,
现在改变 xi 的抽样方法如下:null yi 的抽样方法不变。
其方差为
与通常蒙特卡罗方法相比,方差减少了约分层抽样分层抽样 考虑积分
在(0,1)间插入J-1个点
0=α0< α1< …< αJ-1< αJ=1
令null 则有
现在,用蒙特卡罗方法计算θj ,对每个θj 利用 fj(x)中的nj 个样本xij ,那么有null