Implementação em Matlab do Método de Monte Carlo
Programação  
 
Conhecimento computador >> Programação >> Programação De Computador Idiomas >> 
Implementação em Matlab do Método de Monte Carlo
O método de Monte Carlo é um procedimento de estimação matemático para estimar a distribuição dos parâmetros desconhecidos em um relacionamento , conhecendo a distribuição dos parâmetros existentes. O método de Monte Carlo aproveita o poder da computação para estimar aleatoriamente combinações de diferentes parâmetros de entrada e estimar a distribuição de um parâmetro de saída . As operações vetoriais otimizados em MATLAB faz estimativa de Monte Carlo simples de programar. Monte Carlo Method

O procedimento para simulações de Monte Carlo é o seguinte: acho que um conjunto de parâmetros conhecidos a partir de uma distribuição aleatória e estimar outros parâmetros ou resultados futuros destes palpites aleatórios. Quando repetido um número de vezes , a simulação de Monte Carlo pode dar um intervalo exacto de possibilidades , bem como a sua probabilidade . O método de Monte Carlo é o mais adequado para as relações lineares , onde apenas um parâmetros é desconhecida .
Setup

Comece preparando para uma simulação de Monte Carlo , examinando a equação para a relação você deseja simular . Por exemplo , consideram , " A /B sen ( C theta ) = X" Os parâmetros A , B e C deve ser conhecido , e o ângulo teta pode ser estimada através da gama de 0 a 2 pi . Você precisa saber o alcance dos parâmetros A, B e C , bem como a forma como os possíveis valores são distribuídos através do intervalo. Por exemplo , A e B podem ser distribuídos uniformemente entre 5 e 10 , e C, podem ser normalmente distribuídas em torno de 2 com uma variância de 1 . Você também vai precisar para decidir sobre o número adequado de ensaios para estimar corretamente a distribuição potencial de X.
MATLAB Procedimento

O rand MATLAB " ( ) " função desenha números pseudo-aleatórios de uma distribuição uniforme no intervalo (0,1)

nTrials = 1000; . a = 5 * rand ( nTrials , 1 ) + 5 , B = 5 * rand ( nTrials , 1) + 5; .

O " normrnd ()" MATLAB função desenha números pseudo-aleatórios de uma distribuição normal

C = normrnd (2,1 , nTrials , 1);

o alcance do ângulo theta é estimado entre 0 e 2 pi a um interno de 0,05

teta = 0:0.05:2 * pi ; .

O resultado será X ser uma matriz de nTrials dimensão pelo comprimento ( teta)

X = (A. /B) * sin ( C * theta) ; .
Limitações

O método de Monte Carlo é limitado para simular relações matemáticas que são conhecidos , em que a maioria dos parâmetros pode ser estimada a partir de uma distribuição conhecida . Relações lineares funcionam melhor , como erro na estimativa pode crescer muito grande em relacionamentos não-lineares. As relações com um grande número de parâmetros ou grandes intervalos de distribuições pode levar um tempo muito longo para estimar usando o método de Monte Carlo.

Anterior :

Próximo : No
  Os artigos relacionados
·Diferença entre pacotes e arquivos de cabeçalho 
·Refatorar o código para melhor desempenho 
·PowerShell Funções de data 
·Os Efeitos do buffer overflows e formato Cordas em Flux…
·Erro de sintaxe : Bad Declarator Array 
·Eu não posso começar um Proxy para trabalhar em um em…
·Funções de erro Fortran 
·Como usar o LabVIEW RealTime Blocos Funcionais 
·O sinal da função em Fortran 
·Ferramentas IDE de depuração 
  Artigos em destaque
·Que faz a média de saturação de buffer 
·Como carregar os arquivos em uma sessão PowerShell 
·Como usar o C + + para obter USB Pen números de série…
·Como utilizar a função de chamada de retorno em C 
·Como habilitar a detecção vazamento de memória 
·O que é SEI CMMI 
·Como medir milissegundos em ANSI C 
·Como Ler SQL A partir do Visual C 
·Como fazer uma ligação com Windows Mobile 
·Como calcular Octal à conversão binária 
Cop e direita © Conhecimento computador http://ptcomputador.com Todos os Direitos Reservados