Metoda MonteCarlo, Semestr 1 mgr


Numer ćw.:

Nazwa wydziału:

Ocena:

Lab 5

Wydział Inżynierii Elektrycznej i Komputerowej

Grupa stud. / grupa lab.

MiDUE B

Nazwa przedmiotu:

Data oddania sprawozdania:

Metody numeryczne.

11.06.2013

Temat ćw:

Podpis:

Skład zespołu

Metoda Monte Carlo.

Kurek Łukasz

Łabuz Łukasz

  1. Wstęp teoretyczny.

Metodę Monte-Carlo stosuje się w różnych działach matematyki numerycznej. Podstawą jej jest modelowanie statystycznego eksperymentu za pomocą środków techniki obliczeniowej i rejestracja charakterystyk liczbowych otrzymanych z tego eksperymentu. Metoda ta stosowana jest do modelowania matematycznego procesów zbyt złożonych (obliczanie całek, łańcuchy procesów statystycznych), aby można było przewidzieć ich wyniki za pomocą podejścia analitycznego. Istotną rolę w metodzie Monte-Carlo odgrywa losowanie (wybór przypadkowy) wielkości charakteryzujących proces, przy czym losowanie dotyczy rozkładów znanych skądinąd (np. z badania procesów prostszych lub niekiedy - z odpowiednio uzasadnionych lub oczywistych założeń). Rozwiązanie zadań rachunkowych za pomocą tej metody jest bliższe doświadczeniu fizycznemu niż klasycznym metodom rachunkowym.

  1. Wykonanie ćwiczenia.

Identyfikacja parametrów modelu układu oscylacyjnego 2-go rzędu w programie Matlab.

clc

clear all

Y = @(t,B,w0)(1-exp(-B.*w0.*t)*1./sqrt(1-B.^2).*sin(w0.*t.*sqrt(1-B.^2)+asin(sqrt(1-B.^2))));

t1=0:0.05:3;

Bp=0.07;

wp=6;

y = Y(t1,Bp,wp);

% Założone wartości

M = 10^5; % Liczba losowan

% Poszukiwanie punktów względem założonych wartości

beta = rand(1,M)+Bp;

omega0 = rand(1,M)+wp;

% Tworzenie macierzy wartosci wyjsciowych obliczonych dla parametrów modelu

for t=1:length(t1)

u(:,t) = Y(t-1,beta,omega0);

end

% Macież błędów modelu

for t=1:length(t1)

delta(:,t) = u(:,t) - y(t)';

delta_kw(:,t)=(delta(:,t)).*(delta(:,t));

end

% Poszukiwanie najlepszych parametrów modelu w sensie MNK

SQR=zeros(M,1); %zapelnienie wektora sumy bledow modelu zerami

for i=1:M

for k = 1:length(t1)

SQR(i) = SQR(i)+ delta_kw(i,k);

end

end

% Minimalna wartość sumy kwadratów błędów w losowaniach

min=SQR(1);

for j = 1:M

if(SQR(j)<min)

min = SQR(j);

best = j;

end

end

plot(t1,y,'o',t1,Y(t1,beta(best),omega0(best)),'b')

xlabel('t');

ylabel('f(t)');

0x01 graphic

  1. Wnioski

Wady i zalety metody Monte Carlo:

Zalety:

Wady:



Wyszukiwarka

Podobne podstrony:
Projektowanie betonu metodą zaczynu, Semestr 3 moje, MAT BUD 2, sprawka do wszystkiego, Sprawko - Pr
Klasyfikacja kosztĂłw, STUDIA UE Katowice, semestr I mgr, RACHUNEK KOSZTÓW, Rachunek kosztów (Dagisa
POLITYKA WYZYWIENIA LUDNOSCI, Studia, Przetwórstwo mięsa - Semestr 1, mgr, II rok, polityka wyżywnie
OZ materiał wd OZDOBNE, Ogrodnictwo, Magisterskie, Semestr I mgr, Ogrodnictwo zrównoważone, materiay
rachunek, STUDIA UE Katowice, semestr I mgr, od Agaty, FiR, Rachunek kosztów, rachunek kosztów-testy
Polityka, Studia, Przetwórstwo mięsa - Semestr 1, mgr, II rok, polityka wyżywnienia ludności
kostur, STUDIA UE Katowice, semestr I mgr, od Agaty, FiR, Rachunek kosztów, rachunek kosztów-testy i
DI pytania, STUDIA UE Katowice, semestr I mgr, fir 1 testy, Decyzje inwestycyjne Marcinek, Testy for
Pranie brudnych pieniędzy, STUDIA UE Katowice, semestr I mgr, fir 1 testy, ZIK Capiga
Czasy miedzyzielone III-I, Studia Mgr, II semestr mgr, System sterowania ruchem
Sprawozdanie lab3 Kurek M Kąkol, Semestr 1 mgr
Oceny Kolokwium II Owoce świata, Ogrodnictwo, II Semestr MGR
kolok ubezpieczenia, STUDIA UE Katowice, semestr I mgr, SYSTEM UBEZPIECZEŃ
zestaw pytań dla studentów2, Studia, Przetwórstwo mięsa - Semestr 1, mgr, II rok, enzymologia,
ELEKTYW II14, Studia, Przetwórstwo mięsa - Semestr 1, mgr, I rok, higiena mięsa i przetworów mięsnyc
egzamin 2012 RKo, STUDIA UE Katowice, semestr I mgr, od Agaty, FiR, Rachunek kosztów, rachunek koszt

więcej podobnych podstron