6Simulation systems Лекция 19 Монте-Карло (1014327), страница 6
Текст из файла (страница 6)
Вычисляя кратный исходный интеграл, как среднее значение функции, поступаем следующим образом. Выбираем последовательность N чисел
R( j )=(R1( j ), R2( j ), ... , Rn( j ) )
равномерно распределенных в интервале (0,1), причем точки R( j ), не принадлежащие области , в расчет не принимаются. Получив N точек R( j ), принадлежащих области , вычисляем среднее значение интеграла
fср=
функции f по области . Затем определяем значение интеграла
S=
где S - объем области .
9.3.8. Требуемое количество операций
Рассматривая различные способы вычисления интеграла методом статистических испытаний, мы ввели число N -число испытаний, оговаривая каждый раз, что N достаточно велико. Какую же величину N можно считать достаточной для вычисления интеграла с заданной точностью? Будем говорить, что равенство имеет точность с достоверностью , если вероятность Р[ ( -) < ]=
Проследим это на примере второго способа вычислений интеграла на ЭВМ. В качестве приближенного значения S интеграла S мы брали величину . Если рассмотреть S=
как случайную величину, можно вычислить математическое ожидание
M(S)=M( )=P и дисперсию P(S )=
Тогда средняя квадратичная ошибка: =
Свяжем величины и числом испытаний N при помощи неравенства Чебышева: Р[( S- S ) < ] 1- (2)
Заменив левую часть этого неравенства с помощью исходного равенства
1- и подставив вместо 2 его значения, получаем:
1 - , откуда N
Эта формула, полученная на основании неравенства Чебышева, дает только верхнюю границу величины N. Более точно количество испытаний N можно подсчитать, учитывая, что в рассматриваемом примере величина P= асимптотически (при N ) подчиняется нормальному закону распределения.
Основываясь на этом факте перепишем выражение
Р[( - )< ] = следующим образом:
Р , где t выбирается из таблиц нормального распределения для заданного . Сопоставив последнее равенство с (2) находим
= t- или =t , отсюда: N =
Теперь рассмотрим приемы вычислений многомерных интегралов с точки зрения сравнения этих примеров с обычными кубатурными формулами. Выясним трудоемкость вычисления кратных интегралов методом статистических испытаний. Полное число операций k=N, где - число операций, затрачиваемых на вычисление одного значения подынтегральной функции. Число операций также зависит от того, какую точность мы хотим получить, и, следовательно,
k=k()
Обычно используются кубатурные формула вида
= A1f(Q1)+ A2f(Q2)+.. + Ar(Qr)
где Q1, Q2, ...,Qr- точки n-мерного куба, для вычисления которых требуется L=r операций, где L - также зависит от заданной точности результата L=L().
Очевидно, что сравнивать объемы вычислений методом статистических испытаний и с помощью кубатурных формул необходимо, соблюдая одинаковую точность .
Выясним сначала зависимость k().
На основании N = можно записать N
Если говорить о максимальной ошибке, то t=3 (из таблиц). Так как максимум значения P(1-P) достигается при P=0,5 и равен 0,25, можно приблизительно оценить величину N.
N
Следовательно k имеет порядок k() ~
Для кубатурных формул L() ~
где q - зависит от гладкости функции, а n - число измерений. Таким образом, отношение числа операций k()/L() составляет:
Из этой формулы следует, что метод статистических испытаний имеет преимущества уже при >2 для малых .
В следующей таблице приводятся сравнительные данные о количестве операций, необходимых для вычисления кратного интеграла по кубатурным формулам и методом статистических испытаний, в зависимости от кратности интеграла n.
N | Кубатурные | Метод статистических испытаний |
2 | 4103 | 2105 |
4 | 8105 | 4105 |
6 | 1,2108 | 6105 |
8 | 1,61010 | 8105 |
10 | 21012 | 106 |
При расчете этой таблицы условно принято, что интервал интегрирования разбит на 10 частей по каждой из n осей координат.
35