
- •Министерство образования и науки Российской Федерации
- •Задание
- •«Численные методы»
- •Министерство образования и науки Российской Федерации
- •Содержание
- •Введение
- •Историческая справка
- •Вычисление интеграла в пространстве методом Монте-Карло Детерминистический метод
- •Обычный метод Монте-Карло
- •Геометрический метод
- •Вычисление кратных интегралов в пространстве методом Монте-Карло Обычный метод Монте-Карло
- •Заключение
- •Приложения Текст программы «Вычисление интеграла методом Монте-Карло»
- •Результат работы программы
- •Список литературы
Вычисление интеграла в пространстве методом Монте-Карло Детерминистический метод
Пусть
в пространстве
на
задана
функция
,
причём
,
хотя бы один раз. Смысл метода состоит
в аппроксимации до элементарных фигур
разбиения. Разобьём
наn
частей, т.е.
:
,
где
- длина приращения при равномерном
распределении. Рассмотрим два случая:
когда элементарные фигуры – трапеции,
и когда – прямоугольники.
Трапеции.
где
S
– площадь под графиком,
– площади разбиений графика, которые
аппроксимируем до трапеций.
Пример: численно вычислить интеграл
Решение
Сначала вычислим интеграл с помощью формулы Ньютона-Лейбница.
Пусть n=5, то
Из
полученного результата мы видим, что
при разбиении на 5 частей, с точностью
до
мы получаем исходный результат, что
говорит об актуальной применимости
детерминистического метода Монте-Карло
при разбиении на трапеции.
Прямоугольники.
где
S
– площадь под графиком,
– соответственно площади разбиений
графика на прямоугольники с избытком
и недостатком.
Пример: численно вычислить интеграл
Решение
Сначала вычислим интеграл с помощью формулы Ньютона-Лейбница.
Пусть n=5, то
Из
полученного результата мы видим, что
при разбиении на 5 частей, с точностью
до
мы получаем исходный результат, что
говорит об актуальной применимости
детерминистического метода Монте-Карло
при разбиении на прямоугольники.
Обычный метод Монте-Карло
Пусть
в пространстве
на
задана
функция
,
причём
,
хотя бы один раз. Требуется найти площадь
под графиком этой функции на заданном
промежутке, то есть
Рассмотрим
случайную величину p,
заданную на промежутке
.
Очевидно, что
тоже случайная величина. Тогда запишем
формулу для её математического ожидания:
случайной
величины p,
причём
Разобьём
наn
частей, т.е.
:
,
где
- длина приращения при равномерном
распределении. Тогда математическое
ожидание можно оценить следующим
образом:
Пример: численно вычислить интеграл
Решение
Сначала вычислим интеграл с помощью формулы Ньютона-Лейбница.
Пусть n=5, то
Пусть n=10, то
Из
полученного результата мы видим, что
при увеличении разбиений в два раза,
точность результата приблизилась к
настоящему на 0.205. При увеличении
разбиений результат приблизится к
исходному достаточно быстро, с точностью
до
можно получить уже приn=50.
Геометрический метод
Пусть
в пространстве
на
задана
функция
,
причём
,
хотя бы один раз и на
имеет
.
Разобьём
наn
частей, т.е.
:
,
где
- длина приращения при равномерном
распределении. Поместим область,
ограниченную
и осью абсцисс в прямоугольник со
сторонами
,
гдеd
и c
– точки на оси ординат, причём
Разобьём
наk
частей, т.е.
:
,
где
- длина приращения при равномерном
распределении. При данных разбиениях
и
получили (n+1)(k+1)
точек. Рассмотрим способ нахождения
площади под графиком функции
при данном распределении точек. Так как
эта площадь есть какая-то часть площади
прямоугольника, то скажем, что эта часть
есть вероятность попадания этих точек
в саму область под графиком функции
и на её границу. Пусть попавших точек
будетm,
где
,
тогда
где
- площадь прямоугольника.
Пример: численно вычислить интеграл
Решение
Сначала вычислим интеграл с помощью формулы Ньютона-Лейбница.
Пусть n=3, k=2, c=0, d=4, то
–площадь
выбранного прямоугольника,
(n+1)(k+1) = 12 – общее количество точек,
Разбиение
:
2,
,
,
4, разбиение
:
0, 2, 4, тогда получаем точки
(2,0),
(2,2), (2,4), (,0),
(
,2),
(
,4),
(
,0),
(
,2),
(
,4),
(
,0),
(
,2),
(
,4),
из них попадают в область (2,0), (2,2), (
,0),
(
,2),
(
,0),
(
,2),
(
,0),
(
,2)
– 8 точек, тогда
Из
полученного результата мы видим
достаточно большую погрешность,
погрешность до
достигается при достаточно большом
количестве точек, например 9000, гдеn=100,
k=900.
Это показывает, что данный метод не
очень удобен из-за достаточно медленной
сходимости.