ObliczanieÊÅ‚ek metodÄ… Monte

Obliczanie całek metodą Monte-Carlo

Metoda Monte Carlo – całka pojedyncza

Mamy obliczyć przybliżoną wartość In całki oznaczonej

(129)

przy założenie, że f(x) jest funkcją ciągłą w przedziale domkniętym [a;b]

Następnie n-krotnie generujemy realizację x zmiennej losowej X o rozkładzie równomiernym w przedziale [a,b], otrzymujemy w rezultacie ciąg liczb x1, x2, ..., xn,

Przybliżoną wartość całki określa wzór

(130)

Zbieżność przybliżonej wartości całki In do jej dokładnej wartości jest gwarantowana w sensie probalistycznym, tzn., że dla każdego ε>0 zachodzi relacja:

(131)

gdzie P jest prawdopodobieństwem, przy czym błąd metody monte Carlo można określić wzorem

(132)

Maszyny typowe zazwyczaj dysponują generatorem liczb losowych o rozkładzie równomiernym w przedziale [0,1], zachodzi zatem konieczność przeliczania wylosowanej realizacji Y z przedziału [0,1], na realizację zmiennej losowej X o rozkładzie równomiernym w przedziale [a, b]. Wzory poniżej, to ilustrują:

Przeliczanie zmiennych losowych Y na X

X=(b-a)Y+a (133)

Przeliczanie realizacji zmiennych losowych Y na X

x=(b-a)y+a (134)

Całkowanie – Metody Monte Carlo. Całki wielokrotne właściwe

Dana jest całka wielokrotna:

(135)

Każda ze zmiennych xi zawiera się w przedziale (136)

Losujemy n-krotnie punkty Pk kostki, przyjmując że współrzędnymi tych punktów są zmienne losowe X1(k), X2(k),..., Xm(k) o rozkładzie równomiernym w odpowiednich przedziałach [ai,bi]. Każdemu punktowi Pk odpowiada zatem ciąg m-elementowy wylosowanych realizacji x1(k), x2(k),..., xm(k). Po wylosowaniu sprawdzamy czy każdy punkt Pk należy do obszaru Ω. Możemy zatem po zakończeniu losowań uporządkować wylosowane punkty w następujący sposób:

dla k=(1, 2, ..., n), dla k=(n+1, n+2, ..., N) (137)

Przy dostatecznej liczbie losowań możemy obliczyć przybliżoną wartość VΩ objętości m-wymiarowanego obszaru całkowania:

(138),

gdzie

(139)

jest objętością m-wymiarowej kostki. Przybliżona wartość In całki (135) określana wzorem:

(140)

Aby uzyskać ciąg realizacji X1, X2, ..., Xm losujemy m-krotnie zmienną losową Y o rozkładzie równomiernym w przedziale [0,1], a następnie przeliczamy realizacje y na realizację xi(k) w przedziale [ai; bi] korzystając ze zależności:

xi(k)=(bi-ai)yi(k)+ai

Rozwiązywanie równań różniczkowych

Rozważania dotyczą:

Numeryczne obliczanie pochodnej

Aby obliczyć pochodną funkcji f w punkcie x0, mamy

(1)

W celu wyznaczenia przybliżonej wartości pochodnej f’(x) dla małych wartości h możemy użyć wyrażenia

(2)

Możemy to udowodnić. Dokonujemy interpolacji f(x); zdefiniujemy wielomian Lagrange`a stopnia 1, który będzie oparty na węzłach x0 oraz x0+h pod warunkiem, że funkcja f jest dwukrotnie różniczkowalna w przedziale [a; b]

Wówczas obliczając pochodną funkcji f, mamy:

(3)

oraz po uproszczeniu

(4)

Jeżeli dokonamy interpolacji funkcji f wielomianem stopnia 2, wówczas

(5)

oraz po uproszczeniu

I(6)

Za pomocą wielomianów wyższych stopni możemy wyznaczyć wzory na przybliżenie pochodnej.


Wyszukiwarka

Podobne podstrony:
Obliczanie całek oznaczonych metodą Monte Carlo
Probabilistyczna ocena niezawodności konstrukcji metodami Monte Carlo z wykorzystaniem SSN
06 Metoda Monte Carlo 25 06 2007id 6332 ppt
spr0708, Oblicz metodÄ… Romberga wykonujÄ…c dwie iteracje ekstrapolacji Richardsona
obliczanie metodÄ… monte?rlo
Probabilistyczna ocena niezawodności konstrukcji metodami Monte Carlo z wykorzystaniem SSN
Probabilistyczna ocena niezawodności konstrukcji metodami Monte Carlo z wykorzystaniem SSN
Microsoft PowerPoint METODA MONTE CARLO tryb zgodno 234ci (1)
metoda monte carlo
Przykład obliczeń metodą sezonową wzór
Obliczanie metodą momentów parametrów uziarnienia
cwicz mechanika budowli obliczanie ukladow statycznie niewyznaczalnych metoda sil krata
metoda obliczeniowa
Obliczanie błędów pomiarowych metoda różniczki zupelnej
Obliczenie siły krytycznej metodą energetyczną
Przyblizone obliczanie wartosci pochodnej metoda numeryczna
Metoda Clebscha obliczanie przemieszczeĹ

więcej podobnych podstron