] 1.3. Zastosowania — Redukcja wariancji
443
n i
czyli wtedy, gdy
(11-3.1)
więc, jeśli pewien rodzaj eksperymentu redukuje wiariancję k -krotnie, to liczbę powtórzeń n-dna zmniejszyć również k-krotnie.
Przykład 11.3.2. Symulując dziesięciokrotnie pewien system obsługi, otrzymano następujące wartości czasu badania:
685 1045 718 615 1021 735 675 635 616 889.
Na tej podstawie szacuje się średni czas badania jako 763+52.
Z ciągu przeciwnego otrzymano wartości
731 521 585 710 527 574 607 698 761 532
Ciąg średnich wynosi zatem
708 783 652 662 774 654 641 666 688 710.
a wynika oszacowanie 694- 16. Gdy natomiast rozszerzono pierwszy ciąg o dziesięć wartości (otrzymanych za pomocą zupełnie niezależnych liczb losowych), to cały ciąg dwudziestu czasów dał oszacowanie 704+36. Te wyniki pokazują, żc - w obecnym przykładzie - użycie ciągów przeciwnych daje żądaną dokładność kosztem (y£)2 * 5 razy mniejszym niż użycie ciągów zupełnie niezależnych liczb losowych. Ta ilościowa ocena oszczędności czasu obliczeń jest niepewna, gdyż opiera się na empirycznym oszacowaniu błędu średniego wynikającym z niezbyt wielu danych, wskazuje jednak na korzyść użycia techniki ciągów przeciwnych w znacznie dłuższych seriach doświadczeń.
Wprowadzono już dwie metody redukcji wariancji: ciągi przeciwne liczb losowych ■ użycie (gdzie to jest możliwe) tej samej liczby losowej w analogicznych sytuacjach. Tę ^ugą technikę stosuje się w badaniu zmian zachowania się układu w razie zmiany war--ości pewnego parametru (np. parametru k w przykładzie 11.3.1). Opracowano wiele innych s*utecznych metod redukcji wariancji. Jedną z nich pokażemy w przykładzie 11.3.3 niżej. *1,n+ zwaną metodą rozszczepiania, omawiają Hammersley i Handscomb [149J. Ogólną jest to, że jeśli zadanie można częściowo rozwiązać metodami analitycznymi lub numerycznymi, to trzeba to zrobić. Istnieje wiele sposobów łączenia metod ^wnte Carlo z metodami analitycznymi. Więcej wiadomości o tym można znaleźć w cyto-***** \vyżej książce.
H.3.3. Całkowanie numeryczne. Jednym z najważniejszych zastosowań • • ^ Monte Carlo jest obliczanie numeryczne całek wielokrotnych. Naszkicujemy po-
nuiner
losowane w takich zadaniach. Dia uproszczenia rozważymy całki pojedyncze, , 0c dla nich metoda Monte Carlo nie może konkurować z tradycyjnymi metodami