Главная » Просмотр файлов » 1626435387-5d0ec7dd22f55dfcc65f3209f497fb0b

1626435387-5d0ec7dd22f55dfcc65f3209f497fb0b (844202), страница 11

Файл №844202 1626435387-5d0ec7dd22f55dfcc65f3209f497fb0b (Войтишек - Лекции по численным методам Монте-Карло) 11 страница1626435387-5d0ec7dd22f55dfcc65f3209f497fb0b (844202) страница 112021-07-16СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 11)

Здесь функции fj (x) являются плотностямираспределения на гиперповерхностях Sj , а числа {pj } являются вероятPAностями (т. е. pj > 0 и j=1 pj = 1).64Учитывая то, что для x ∈ Sj выполнено равенство fξ (x) = pj fj (x),перепишем интеграл (4.13) в виде (4.1):ZAXg(x)δ(Y(x))jjI = G(x) pj fj (x) dx =pf(x)jjj=1Z=AXG(x)gj (x)δ (Yj (x))pj fj (x)j=1 f (x) dx = Eζ.ξЗдесьζ=AXG(ξ)gj (ξ)δ (Yj (ξ))pj fj (ξ)j=1,(4.14)и случайный вектор ξ распределен согласно плотности fξ (x).Таким образом, можно построить алгоритм (4.1) (или алгоритм 1.2),причем для моделирования выборочных значений ξ i следует использовать метод дискретной суперпозиции (см., например, [9, 13], а такжераздел 11 данного пособия).АЛГОРИТМ 4.2.

Моделируем номер mi согласно вероятностям {pj };при этом выборочное значение ξ i численно реализуется на гиперповерхности Smi согласно плотности fmi (x). Соответствующий вклад встатистическую оценку (4.1) равенζi =G(ξ i )gmi (ξ i ).pmi fmi (ξ i )По аналогии с утверждением 4.1 несложно показать, что минимальная дисперсия Dζ оценивателя (4.14) достигается, когда плотность fξ (x)берется в видеfξ (x) = HAX|G(x)| gj (x) δ (Yj (x)) ,j=1где H – нормирующая константа.655. Методы уменьшения дисперсии весовогооценивателя интеграла5.1.

Метод выделения главной части. Следующие рассуждения дают один из наиболее эффективных методов уменьшения дисперсии Dζ из соотношения (4.2); здесь ζ – весовой оцениватель (монтекарловская оценка) интеграла I из соотношения (4.1); см., например,[9, 13].Предположим, что существует функцияRg (0) (x), близкая к g(x) дляx ∈ X ⊆ Rd и такая, что интеграл I (0) = X g (0) (x) dx может бытьвычислен аналитически.Тогда для повышения эффективности алгоритма метода Монте-Карло(4.1) (или алгоритма 1.2) можно использовать стандартную технологиювыделения главной части (см., например, [9, 13]), основанную на соотношенииZ(0)I=I +g(x) − g (0) (x) dx.XПрименим стандартный весовой алгоритм (4.1) (или алгоритм 1.2)для второго слагаемого последней суммы. Строим соответствующийоцениватель и реализуем приближение интеграла:ng ξ (0) − g (0) ξ (0)1 X (0)(0)(0)(0),ζ , где ζ = I +I = Eζ ≈n i=1 ifξ (0) ξ (0)а случайный вектор ξ (0) распределен согласно плотности fξ (0) (x).Последняя плотность fξ (0) (x) может весьма значительно отличатьсяот плотности fξ (x) из исходного алгоритма (4.1).Например, в случае, когда интегрирование ведется по многомерномуединичному кубу X = ∆(d) = (0, 1)d и g(x) ≈ g (0) (x) (это означает, чторазность g(x) − g (0) (x) равномерно мала, т.

е. близка к малой константев кубе ∆(d) ), вместо плотности (4.7) для получения малой дисперсииоценивателя ζ (0) можно взять плотность случайной величины ξ (0) = α,равномерно распределенной в кубе ∆(d) , выборочные значения которойлегко моделируются на ЭВМ.Так или иначе, при g(x) ≈ g (0) (x) дисперсия случайной величины(0)ζможет быть достаточно малой.ПРИМЕР 5.1 [5, 9]. Рассмотрим следующую тестовую задачу. Исследуем алгоритмы приближенного вычисления интеграла по единичному66двадцатимерному кубу ∆(20) с известным значением:Z 1Z 1(1)(20)I=...ex ...x− 1 dx(1) . .

. dx(20) ≈ 9, 54 · 10−7 .00Возьмем в качестве fξ (x) плотность равномерного распределения вдвадцатимерном единичном кубе ∆(20) : fξ (x) ≡ 1, x ∈ ∆(20) . Тогда,согласно формуле (4.1), имеемI = Eζ,ζ = eα(1)...α(20)− 1,где α(i) ∈ U (0, 1); i = 1, ..., 20 – стандартные случайные числа.Несложно подсчитать, что Dζ ≈ 3, 0 · 10−10 .Учитывая вид разложения экспоненты в ряд Тейлора в окрестностинуляu2eu = 1 + u ++ o u2 ,(5.1)2целесообразно выделить главную частьg (0) x(1) , . . . , x(20) = x(1) × . . . × x(20) ,при этом(1)I (0) = 2−20 и ζ (1) = 2−20 + eα...α(20)− 1 − α(1) × .

. . × α(20) ;здесь fξ (0) (x) ≡ fξ (x).Заметим, что, с учетом соотношения (5.1),Dζ (0) ≈14Z1Z..01x(1) × .. × x(20)40dx(1) ..dx(20) =5−20≈ 2, 5 · 10−15 ,4то есть дисперсия уменьшается на пять порядков. Описание примера 5.1 закончено.При построении интегрируемой функции g (0) (x) можно использовать классические (чаще всего – кусочно-полиномиальные) приближения подынтегральной функции g(x) (в этом случае метод выделенияглавной части можно причислить к дискретно-стохастическим алгоритмам численного интегрирования [9, 17]). Здесь, в отличие от подходов, связанных с выборкой по важности (см.

подраздел 4.2), не нужныдополнительные требования «моделируемости» (т. е. функция g (0) (x) не67должна быть пропорциональной плотности распределения случайноговектора ξ (0) , для которого имеются эффективные алгоритмы численного моделирования).5.2. Интегрирование по части области. Рассмотрим следующийаналог метода выделения главной части.Пусть, как и в соотношении (4.1), интеграл представлен в видеZZg(x)I=.g(x) dx =q(x) fξ (x) dx; q(x) =fξ (x)XXПредположим, что можно аналитически вычислить следующие интегралы по некоторому подмножеству X2 области интегрированияX ⊆ Rd :ZZq(x)fξ (x) dx = I2 иfξ (x) dx = i2 ,X2X2при этом 0 < i2 < 1; здесь мы считаем, что fξ (x) = 0 при x ∈/ X.В этом случае целесообразно представить исходный интеграл I ввидеZZI=Xq(x)fξ (x) dx = I2 +Z= I2 + i1 ×X1X1q(x)fξ (x) dx =q(x)fξ (1) (x) dx = Eζ (1) ,гдеX1 = X\X2 ,i1 = 1 − i2 ,ζ (1) = I2 + i1 q ξ (1)и ξ (1) – случайный вектор, распределенный в подобласти X1 согласноплотности усеченного распределения fξ (1) (x) = fξ (x)/i1 ; x ∈ X1 .Соответствующий алгоритм метода Монте-КарлоI ≈ I2 +ni1 X(1) q ξin i=1(5.2)называется методом интегрирования по части области (см.,например, [9, 13]).Следующее утверждение показывает целесообразность использования метода (5.2) вместо (4.1) для уменьшения дисперсии оценивателя(и, как правило, трудоемкости) весового метода Монте-Карло.68УТВЕРЖДЕНИЕ 5.1 (см., например, [5, 9]).

Справедливо следующеенеравенство Dζ (1) ≤ i1 × Dζ.ДОКАЗАТЕЛЬСТВО. Используя соотношения вида (4.2), а такжесвойства интеграла и дисперсии (см., например, [14]), имеемZi1 × Dζ = i1q 2 (x)fξ (x) dx − I 2 =XZ= i1q (x)fξ (x) dx + i1X1Dζ(1)=i21 DqξZ2(1)=i21ZZX12 Zq (x)fξ (1) (x) dx− i12X1= i1q 2 (x)fξ (x) dx − i1 I 2 ,X2X1q 2 (x)fξ (x) dx −q(x)fξ (1) (x) dx=2ZX1q(x)fξ (x) dx.Рассмотрим разностьi1 × Dζ − Dζ(1)Z2= i1X22Zq (x)fξ (x) dx − i1 I +X12q(x)fξ (x) dxи покажем, что она неотрицательна. Заметим, что2ZX1где ∆ =q(x)fξ (x) dxRX2q(x) −I2i2= (I − I2 )2 иZX2q 2 (x)fξ (x) dx = ∆ +I22,i22i1 × Dζ − Dζ (1)fξ (x) dx ≥ 0. ПоэтомуI22= i1 ∆ +− i1 I 2 + (I − I2 )2 = i1 ∆+i2I2+ 2 + i2 I 2 − 2II2 = i1 ∆ +i2√I√2 − i2 Ii22≥ 0.Утверждение 5.1 доказано.Если подобласть X2 близка к области интегрирования X, то методинтегрирования по части области превращается в аналог метода выделения главной части (здесь g (0) (x) = g(x) для x ∈ X2 и g0 (x) ≡ 0иначе).69Тем не менее выгода от применения метода интегрирования по частиобласти имеется и в случае, когда множество X2 значительно меньше,чем X, но в этом случае уменьшение дисперсии Dζ может быть не такимзначительным.Если имеется алгоритм моделирования (реализации на ЭВМ) выборочного значения ξ 0 случайного вектора ξ ∈ X согласно плотностиfξ (x), то для случайного вектора ξ (1) ∈ X1 ⊂ X можно использоватьследующий алгоритм метода исключения для моделирования усеченного распределения.АЛГОРИТМ 5.1 (см., например, [9], а также алгоритм 11.14 из подраздела 11.6 данного пособия).

1. Моделируем ξ 0 согласно плотностиfξ (x).(1)2. Если ξ 0 ∈ X1 , то ξ 0 = ξ 0 , иначе снова повторяем пункт 1 ит. д.При этом метод интегрирования по части области практически недает выигрыша, так как уменьшение дисперсии вида i1 ×Dζ сочетается снеобходимостью моделирования в среднем P{ξ ∈ X}/P{ξ ∈ X1 } = 1/i1выборочных значений вектора ξ.Более предпочтительным является моделирование выборочного зна(1)чения ξ 0 случайного вектора ξ (1) непосредственно в области X1 согласно плотности fξ (1) (x) (см. подраздел 11.6 данного пособия).Приведем пример применения метода интегрироваания по части области.ПРИМЕР 5.2 [5, 9, 17]. Пусть требуется вычислить объем Ḡ трехмерной фигуры G, ограниченной поверхностью (в сферических координатах (r, φ, θ))r = a + h t(φ, θ), где − 1 ≤ t(φ, θ) ≤ 1 и a − h > 0.Обозначим через X2 и X вписанный в G и описанный около G шары,радиусы и объемы которых равны соответственно a − h, a + h и X̄2 , X̄(рис.

5.1). Заметим, что искомая величина равна интегралуZḠ =χ(G) x(1) , x(2) , x(3) dx(1) dx(2) dx(3) ,Xгде χ(G) x(1) , x(2) , x(3) – индикатор множества G.Рассмотрим сначалавесовой алгоритм 1.2 со случайным векторомξ = ξ (1) , ξ (2) , ξ (3) , имеющим плотность равномерного распределения70Рис. 5.1.

Иллюстрация к примеру 5.2в области X:31=, x = x(1) , x(2) , x(3) ∈ X.fξ (x) ≡34π(a + h)X̄Этот алгоритм дает приближениеḠ = Eζ ≈nX̄ X (G) (1) (2) (3) χξi , ξi , ξi ; ζ = X̄χ(G) (ξ).n i=1(5.3)Моделирующие формулы для выборочных значений компонент случайного вектора ξ имеют вид (см., например, [9], а также подраздел 6.4данного пособия):(1)ξi= ρi sin ϕi sin θ̃i ,(2)ξi= ρi cos ϕi sin θ̃i ,1/3(3)ξi= ρi cos θ̃i ;(5.4)ϕi = 2πα2,i , cos θ̃i = 1 − 2α3,i ; αj,i ∈ U (0, 1). (5.5)(1) (2) (3) для выЗаметим, что при получении значений χ(G) ξi , ξi , ξiчисления приближения (5.3) переход к декартовым координатам (5.4)можно не осуществлять, а лишь проверять условиеρi ≤ a + h t ϕi , θ̃i ,(5.6)ρi = (a + h) α1,i ,71(1) (2) (3) при выполнении которого χ(G) ξi , ξi , ξi=(G) (1) (2) (3)χξi , ξi , ξi= 0.Выделим теперь объем X̄2 = 34 π(a − h)3 шара X2 :ZḠ = X̄2 +χ(G) (x) dx,1,аиначеX1n22где X1 = X\X2 =x(1) , x(2) , x(3) : (a − h)2 < x(1) + x(2) +o2+ x(3) < (a + h)2 .Рассмотрим соответствующую модификацию метода интегрирования по части области:nX̄1 X (G) (1,1) (1,2) (1,3) (1)χξi , ξi , ξi; ζ = X̄2 +X̄1 χ(G) ξ (1) ,n i=1(5.7)где случайная точка ξ (1) = ξ (1,1) , ξ (1,2) , ξ (1,3) распределена равномернов X1 согласно плотностиḠ = Eζ (1) ≈ X̄2 +fξ (1) (x) =13, x ∈ X1 .=34π [(a + h) − (a − h)3 )]X̄1По аналогии с реализацией равномерно распределенной случайнойточки в шаре с помощью перехода к сферическим координатам можнополучитьформулыдлямоделированияслучайныхточек(1,1) (1,2) (1,3) ξi , ξi , ξi, равномерно распределенных в шаровом слое X1 .

Этиформулы совпадают с соотношениями (5.4) и (5.5) с той лишь разницей,что по-другому вычисляется компонента ρi :q(1)(1)(1) 3ρi = α1,i (a + h)3 + 1 − α1,i (a − h)3 .(5.8)(1,1) (1,2) (1,3) При подсчете χ(G) ξi , ξi , ξiиз (5.7) можно не использовать(1)преобразование (5.4), а лишь проверять условие (5.6) для ρi = ρi .Из формул (5.3) – (5.8) следует, что вычислительные затраты на реализацию приближений (5.3) и (5.7) практически одинаковы, в то времякакDζ = D X̄χ(G) (ξ) > Dζ (1) = D X̄2 + X̄1 χ(G) (ξ (1) ) ,так какD X̄χ(G) (ξ) = X̄ Ḡ − Ḡ2 = Ḡ(X̄ − Ḡ),72D X̄2 + X̄1 χ(G) (ξ (1) ) = X̄1 (Ḡ − X̄2 ) − (Ḡ − X̄2 )2 = (Ḡ − X̄2 )(X̄ − Ḡ);здесь использовано равенство X̄1 + X̄2 = X̄.Таким образом,D X̄2 + X̄1 χ(G) (ξ (1) )Ḡ − X̄2X̄ − X̄2=≤=(G)D(X̄χ (ξ))ḠX̄24π336h(a + h)23 (a + h) − (a − h)≤.=4π3(a − h)33 (a − h)Последняя величина имеет асимптотику 6ha при h → 0.

Характеристики

Тип файла
PDF-файл
Размер
2,55 Mb
Тип материала
Высшее учебное заведение

Список файлов книги

Свежие статьи
Популярно сейчас
Почему делать на заказ в разы дороже, чем купить готовую учебную работу на СтудИзбе? Наши учебные работы продаются каждый год, тогда как большинство заказов выполняются с нуля. Найдите подходящий учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6710
Авторов
на СтудИзбе
287
Средний доход
с одного платного файла
Обучение Подробнее