Сущность метода Монте-Карло и моделирование случайных величин (стр. 6 из 6)

Результат имеет сравнительно небольшую точность потому, что число точек

недостаточно велико.

2.3 Пример 3

Рассмотрим пример: найдём приближенно объём, ограниченный поверхностями

Искомый объём численно равен величине интеграла

(3.7)

Так как в области V

, вводим новую переменную , в результате чего интеграл (3.7) переходит в интеграл

(3.8)

где

область, ограниченная поверхностями

т.е.

принадлежит единичному кубу .

Берём теперь три равномерно распределенные на отрезке

последовательности случайных чисел и записываем их в качестве координат случайных точек в табл. 3.2. Затем проверяем, какие из этих точек принадлежат области .

Таблица 3.2

1	0.577	0.116	0.077	0.384	0.147	1	0.667	1	1
2	0.716	0.930	0.216	0.430	0.232	0.993	0.193	0.231	0
3	0.737	0.930	0.237	0.430	0.241	1	0.242	1	1
4	0.701	0.428	0.201	0.072	0.045	0.940	0.140	0.122	1
5	0.170	0.529	0.330	0.029	0.110	1	0.610	1	1
6	0.533	0.095	0.033	0.405	0.165	1	0.131	1	1
7	0.432	0.996	0.068	0.496	0.251	0	0.352	1	0
8	0.263	0.699	0.237	0.199	0.096	1	0.645	1	1
9	0.059	0.313	0.441	0.187	0.229	1	0.646	1	1
10	0.663	0.270	0.163	0.230	0.080	1	0.680	1	1
11	0.355	0.653	0.145	0.153	0.046	1	0.577	1	1
12	0.094	0.934	0.406	0.434	0.353	0	0.716	1	0
13	0.303	0.058	0.197	0.442	0.234	1	0.737	1	1
14	0.552	0.003	0.052	0.497	0.250	1	0.701	1	1
15	0.640	0.882	0.140	0.382	0.165	1	0.169	1	1
16	0.205	0.986	0.295	0.486	0.323	0	0.533	1	0
17	0.002	0.521	0.498	0.021	0.248	1	0.432	1	1
18	0.557	0.918	0.057	0.418	0.178	1	0.263	1	1
19	0.870	0.071	0.370	0.429	0.318	0	0.059	1	0
20	0.313	0.139	0.187	0.361	0.185	1	0.663	1	1
=15

Заполним табл. 3.2 по правилу:

1) выделяем точки, у которых

, и полагаем для них

2) среди выделенных точек области

принадлежат те, для которых выполняется неравенство .

Для этих точек

, для остальных

3) вычисляем

. Области принадлежат те точки, для которых

4) среди точек, у которых

, области принадлежат те точки, координаты которых удовлетворяют неравенству

Для этих точек

.

В примере общее количество точек

, а число точек, принадлежащих области , равно 15. По формуле (3.6) получаем

, а точное значение объёма равно

Погрешность формулы (3.6) обратно пропорциональна корню из числа испытаний, т.е.

.

Это означает, что для обеспечения большой точности число точек

должно быть очень велико. Но так как приближенные формулы (3.3), (3.6) не зависят от размерности интеграла, метод Монте-Карло оказывается выгодным при вычислении интегралов большой размерности.

Заключение

Процесс выполнения данной работы представлял большой интерес и послужил хорошей возможностью для приобретения новых знаний и навыков, а также закрепления уже полученных.

Были рассмотрены основные свойства метода Монте-Карло и создана программа, показывающая возможности данного метода при использовании ЭВМ.

Было выяснено, что методом Монте-Карло можно решать разнообразные задачи, в том числе вычисление интегралов, не прибегая к сложным математическим вычислениям. Простота алгоритма метода Монте-Карло позволяет успешно реализовывать их на ЭВМ.

Список литературы

1. Бусленко Н.П. Метод статистического моделирования – М.: Статистика, 1970. – 112 с.

2. Демидович Б.П., Марон И.А. Основы вычислительной математики. - М.: Наука, 1966. – 664 с.

3. Епанешников А.М., Епанешников В.А. Программирование в среде TURBOPASCAL 7.0 – М.: Диалог-МИФИ, 1998. – 288 с.

4. Ермаков С.М. Метод Монте-Карло и смежные вопросы – М.: Наука, 1975–472 с.

5. Копченова Н.В., Марон И.А. Вычислительная математика в примерах и задачах. – М.: Наука, 1972. – 367 с.

6. Соболь И.М. Метод Монте-Карло – М.: Наука, 1985. – 80 c.

Приложения

1. Таблица 400 случайных цифр

86615	90795	66155	66434	56558	12332	94377	57802
69186	03393	42505	99224	88955	53758	91641	18867
41686	42163	85181	38967	33181	72664	53807	00607
86522	47171	88059	89342	67248	09082	12311	90316
72587	93000	89688	78416	27589	99528	14480	50961
52452	42499	33346	83935	79130	90410	45420	77757
76773	97526	27256	66447	25731	37525	16287	66181
04825	82134	80317	75120	45904	75601	70492	10274
87113	84778	45863	24520	19976	04925	07824	76044
84754	57616	38132	64294	15218	49286	89571	42903

2. Таблица 40 случайных чисел, равномерно распределенных на отрезке

0.57705	0.35483	0.11578	0.65339
0.71618	0.09393	0.93045	0.93382
0.73710	0.30304	0.93011	0.05758
0.70131	0.55186	0.42844	0.00336
0.16961	0.64003	0.52906	0.88222
0.53324	0.20514	0.09461	0.98585
0.43166	0.00188	0.99602	0.52103
0.26275	0.55709	0.69962	0.91827
0.05926	0.86977	0.31311	0.07069
0.66289	0.31303	0.27004	0.13928

3. Листинг программы

Вычисляются значения кратных интегралов из примера 2–3.

program pmk;

uses crt;

var

w, u, h, k, v, y, p, s, g, x, x2, y2, z2, niu, Integral, Integral2:real;

n, m, i, a, b, e1, e2, e, e3, e4, e5:integer;

begin

clrscr;

writeln ('vychisleniye dvoynogo integrala iz primera 1');

writeln ('vvedite kolichestvo sluchaynykh tochek:');

readln(n);

for i:=1 to n do

begin

g:=random;

p:=random;

x:=g;

y:=p;

if ((0.5<=x) and (x<=1)) then e1:=1

else e1:=0;

if ((0<=y) and (y<=2*x-1)) then e2:=1

else e2:=0;

e:=e1*e2;

if e=1 then s:=s+x*x+y*y;

if e=1 then a:=a+1;

v:=1/4;

delay(1000);

end;

Integral:=(v/a)*(s);

writeln ('summa=', s:5:5);

writeln ('dvoynoy integral iz 1 primera =', Integral:5:5);

writeln ('vychisleniye troynogo integrala iz primera 2');

writeln ('vvedite kolichestvo sluchaynykh tochek:');

readln(m);

for i:=1 to m do

begin

w:=random;

u:=random;

h:=random;

x2:=w;

y2:=u;

niu:=h;

if niu<=0.8 then e3:=1;

if (x2–0.5)*(x2–0.5)+(y2–0.5)*(y2–0.5)<=(0.5)*(0.5) then e4:=1

else e4:=0;

e5:=e3*e4;

if (((0.8<niu) and (niu<1)) and ((x2–0.5)*(x2–0.5)+(y2–0.5)*(y2–0.5)+6.25*(niu-0.8)*(niu-0.8)<=(0.5)*(0.5))) then e5:=1;

if e5=1 then b:=b+1;

delay(1000);

end;

Integral2:=2.5*(b/m);

writeln ('kvo pod t =', b:5);

writeln ('troynoy integral iz 2 primera =', Integral2:5:5);

readln;

end.

4. Пример работы программы при 10000 случайных точек