Savelova_Metod_Monte-Karlo_2011
.pdfМИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ЯДЕРНЫЙ УНИВЕРСИТЕТ «МИФИ»
Т.И. Савелова
Метод Монте-Карло
Рекомендовано УМО «Ядерные физика и технологии» в качестве учебного пособия для студентов высших учебных заведений
Москва 2011
УДК 519.21 (075) ББК 22.19 я 7 С 12
Савелова Т.И. Метод Монте-Карло: Учебное пособие. М.: НИЯУ МИФИ, 2011. – 152 с.
Изложены элементы математической статистики и метод Монте-Карло. Рассматриваются основные способы математического моделирования случайных величин, применение метода Монте-Карло при вычислении определенных интегралов, простейшие примеры в физике и экономике. Описан специализированный метод Монте-Карло моделирования нормальных распределений на группе вращений SO(3). В приложении 1 приведен пример тестирования датчика равномерно
распределенной случайной величины на (0,1) для персональных компьютеров, а в
приложении 2 – примеры применения методов статистического моделирования нормальных распределений на SO(3) в текстурном анализе при создании математических методов обработки экспериментальных данных в виде ориентаций отдельных зерен поликристаллов, получаемых методами электронной микроскопии.
Предназначено студентам специальности «прикладная математика», изучающих теорию вероятностей и математическую статистику, а также сотрудникам, желающим освоить основы метода Монте-Карло.
Подготовлено в рамках Программы создания и развития НИЯУ МИФИ.
Рецензент д-р физ.-мат. наук, проф. А.В. Крянев
ISBN 978-5-7262-1546-4
© Национальный исследовательский ядерный университет «МИФИ», 2011
Редактор Е.Г. Станкевич
Подписано в печать 15.12.2010. Формат 60×84 1/16
Печ. л. 9,5. Уч.-изд. л. 13,25. Тираж 100 экз. Изд. № 1/4/110. Заказ № 19
Национальный исследовательский ядерный университет «МИФИ». 115409, Москва, Каширское ш., 31
ООО «Полиграфический комплекс «Курчатовский». 144000, Московская область, г. Электросталь, ул. Красная, 42
Оглавление
Предисловие .......................................................................................... |
6 |
Глава 1. Элементы математической статистики ................................ |
8 |
1.1. Некоторые сведения из теории вероятностей ......................... |
9 |
1.2. Выборка. Выборочные оценки числовых характеристик |
|
случайных величин ......................................................................... |
15 |
1.3. Требования к оценкам: несмещенность, состоятельность, |
|
эффективность................................................................................. |
19 |
1.4. Методы получения оценок: метод максимального |
|
правдоподобия, метод моментов ................................................... |
27 |
1.5. Интервальное оценивание. Доверительные интервалы для |
|
параметров нормального распределения ...................................... |
32 |
1.6. Проверка статистических гипотез. Критерий согласия |
|
Колмогорова. Критерий χ 2 ........................................................... |
40 |
1.7. Задача Беренца–Фишера.......................................................... |
47 |
Задания на самостоятельную работу................................................. |
51 |
Задание 1. Смещенность, эффективность и состоятельность |
|
оценок. ММ и ММП получения оценок........................................ |
51 |
Задание 2. Доверительные интервалы. Эмпирическая функция |
|
распределения. χ 2 – критерий проверки гипотез |
|
о распределении .............................................................................. |
54 |
Глава 2. Статистическое моделирование случайных величин ....... |
57 |
2.1. Введение в численные методы Монте-Карло........................ |
57 |
3 |
|
2.2. Статистическое моделирование независимых равномерно |
|
распределенных случайных величин ............................................ |
60 |
2.3. Методы моделирования одномерных случайных величин .. |
66 |
2.4. Моделирование многомерных случайных величин.............. |
73 |
Задание на самостоятельную работу................................................. |
82 |
Задание 3. Моделирование случайных величин .......................... |
82 |
Глава 3. Методы приближенного вычисления интегралов ............. |
84 |
3.1. Общая схема метода Монте-Карло для приближенного |
|
вычисления интегралов .................................................................. |
85 |
3.2. Способы уменьшения дисперсии при вычислении |
|
интегралов методами Монте-Карло .............................................. |
88 |
3.3. Численные примеры ............................................................... |
92 |
Задание на самостоятельную работу................................................. |
98 |
Задание 4. Вычисление определенного интеграла методом |
|
Монте-Карло.................................................................................... |
98 |
Глава 4. Применение методов Монте-Карло в физике и |
|
экономике .......................................................................................... |
100 |
4.1. Расчет системы массового обслуживания (общая схема) .. |
100 |
4.2. Расчет прохождения нейтронов сквозь пластинку ............. |
103 |
4.3. Анализ риска при производстве принтеров фирмой .......... |
107 |
4.4. Моделирование времени ожидания .................................... |
110 |
4.5. Трудоемкость метода Монте-Карло, использование |
|
неслучайных чисел........................................................................ |
113 |
4 |
|
Глава 5. Специализированный метод Монте-Карло – |
|
статистическое моделирование ориентаций на группе вращений |
|
SO(3), подчиняющихся нормальному закону распределения ...... |
116 |
5.1. Определение нормального распределения на |
|
группе SO(3) ................................................................................. |
118 |
5.2. Алгоритм статистического моделирования нормальных |
|
распределений на SO(3)................................................................ |
123 |
Заключение ........................................................................................ |
129 |
Список рекомендуемой литературы................................................ |
130 |
Приложение 1 .................................................................................... |
133 |
Приложение 2 .................................................................................... |
138 |
5
Моим родителям посвящается
Среди других вычислительных методов
метод Монте-Карло выделяется
своей простотой и общностью.
С.М. Ермаков
Предисловие
Лекции по методам Монте-Карло, как составная часть годового курса «Теория вероятностей и математическая статистика», чита-
ются более десяти лет студентам факультета «Т». В четырех главах данного учебного пособия содержится в основном материал этих лекций.
Пятая глава посвящена специализированному методу Монте-
Карло для моделирования случайных вращений на группе SO(3),
подчиняющихся нормальному закону. Данный алгоритм разрабо-
тан М.В. Боровковым, моим учеником, в 2002 г. Понимание этого алгоритма возможно при знакомстве с математическим аппаратом теории представлений групп SU(2) и SO(3), связанных между со-
бой. Данный специализированный метод Монте-Карло применяет-
ся в текстурном анализе при изучении различных статистических характеристик поликристаллических материалов. В последние го-
ды в связи с развитием техники и методов электронной микроско-
пии стало возможным измерение 104–107 ориентаций зерен в об-
разце. При этом возникла необходимость развития математических методов обработки таких данных.
6
В пособии приведено множество примеров и рисунков, способ-
ствующих лучшему усвоению материала, есть задания для само-
стоятельной работы.
В приложении 1 рассказано о тестировании датчика псевдослу-
чайных чисел для персонального компьютера.
В приложении 2, написанном К.Н. Рогинским, приведены при-
меры численного моделирования на группе вращений SO(3) с ис-
пользованием алгоритма Монте-Карло.
В пособии полужирным шрифтом выделены ссылки на основ-
ную литературу. Остальные использованные источники являются дополнительными.
Автор выражает благодарность профессору Е.Б. Дынкину, про-
читавшему до сих пор незабываемые лекции по теории вероятно-
стей во время обучения на механико-математическом факультете МГУ, профессорам И.М. Соболь и Д.А. Василькову, общение с ко-
торыми повысило уровень знаний по теории вероятностей и мате-
матической статистике, заведующему кафедрой, профессору Н.А. Кудряшову и профессору А.В. Кряневу, способствовавших написанию данного пособия, а также М.В. Сыпченко – за техниче-
ское оформление рукописи.
7
В противоположность теории вероятностей
статистика – это раздел прикладной математики.
Д. Худсон
Глава 1. Элементы математической статистики
Данная глава посвящена понятиям математической статистики,
используемым в дальнейшем при изучении основ метода Монте-
Карло (метода статистических испытаний). В настоящее время на-
писано большое количество прекрасных монографий и учебных пособий по теории вероятностей (например, [1, 10, 21, 30]) и мате-
матической статистики ([1, 2, 6, 10, 15, 19, 29, 30]), а также задач-
ников по математической статистике (например, [3, 5, 9, 27]).
Математическая статистика – быстро развивающаяся область математики как в чисто теоретическом направлении, так и при-
кладном. Изучение фактора зависимости случайных величин и их реализаций на практике привело к появлению таких разделов ма-
тематической статистики, как «Регрессионный анализ», «Корреля-
ционный анализ», «Дисперсионный анализ» [2, 10, 19, 21, 30].
Учет влияния погрешностей измерения случайных величин и исследование устойчивости статистических характеристик привели к появлению термина «робастность» и многочисленным работам,
относящимся к этому направлению [13, 16, 28, 31].
8
1.1. Некоторые сведения из теории вероятностей
Пусть ξ , – случайная величина. Дискретная случай-
ная величина определяется законом распределения
x |
x |
... |
x |
|
|
|
1 |
2 |
|
n |
|
|
p1 |
p2 |
... |
pn |
|
|
n |
или P ξ xi pi , |
i 1, 2,..., n , |
pi 1. Дискретная случайная |
|
|
i 1 |
величина может принимать и бесконечное (счетное) множество
значений. |
Например, распределение Пуассона имеет вид |
||||
P ξ k |
λk |
e λ , |
k 0,1,..., |
λ 0 – параметр распределения. Ма- |
|
k ! |
|||||
|
|
|
|
тематическое ожидание дискретной случайной величины опреде-
ляется
n
Mξ xi pi ,
i 1
дисперсия –
Dξ M ξ Mξ 2 .
Математическое ожидание характеризует «среднее» значение слу-
чайной величины, а дисперсия – разброс случайной величины от-
носительно среднего значения.
Непрерывная случайная величина определяется плотностью распределения p x 0 , x , со свойствами
b |
|
P a ξ b p x dx , |
p x dx 1 . |
a |
|
9 |
|
Выполняются свойства математического ожидания и дисперсии:
M ξ C Mξ C ;
M Cξ CMξ ;
Dξ Mξ2 Mξ 2 ;
D ξ C Dξ ;
D Cξ C2 Dξ ;
M ξ η Mξ Mη ;
D ξ η Dξ Dη .
Последние два свойства справедливы для независимых случайных величин.
Из непрерывных случайных величин в дальнейшем чаще всего нам понадобится равномерно распределенная на интервале (0,1)
случайная величина с плотностью
p(x) 1 , 0 x 1,
Mξ 12 ,
Dξ 121
и случайная величина, распределенная по нормальному закону
N a,ζ с параметрами Mξ a , |
Dξ ζ2 , имеющая плотность |
||||||||
p(x) |
|
1 |
|
|
x a 2 |
|
|
x , ζ 0 . |
|
|
|
|
exp |
|
2ζ2 |
|
, |
||
|
|
|
|
||||||
2πζ |
|
||||||||
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
10 |
|
|
|