Possibile ciclo infinito in un'equazione matematica?
-
09-09-2019 - |
Domanda
Ho il seguente problema, e sto avendo difficoltà a capire una parte dell'equazione:
metodi Monte Carlo per stimare un integrale è fondamentalmente, prendere un sacco di campioni casuali e determinato una media ponderata. Ad esempio, l'integrale di f (x) può essere stimato da N campioni x casuali indipendenti r da
alt text http://www.goftam.com/images/area.gif
per una distribuzione di probabilità uniforme xr nell'intervallo [x1, x2]. Dal momento che ogni valutazione della funzione f (xr) è indipendente, è facile da distribuire questo lavoro nel corso di un insieme di processi.
Quello che non capisco è quello che f (x r ) che dovrebbe fare? Ha feed back in se stessa? Non sarebbe un loop infinito?
Soluzione
Il vostro obiettivo è quello di calcolare l'integrale di f
da x1
a x2
. Ad esempio, si potrebbe desiderare di calcolare l'integrale di sin(x)
da 0
a pi
.
Utilizzando l'integrazione Monte Carlo, si può approssimare questo campionando punti casuali nel [x1,x2]
dell'intervallo e valutando f
in quei punti. Forse ti piacerebbe chiamare questo MonteCarloIntegrate( f, x1, x2 )
.
Quindi no, non MonteCarloIntegrate
"feed back" in sé. Si chiama una funzione di f
, la funzione che si sta tentando di integrare numericamente, ad esempio, sin
.
Altri suggerimenti
Si dovrebbe dire f (x i )
f () è la funzione che stiamo cercando di integrare tramite il metodo numerico Monte Carlo, che stima un integrale (e il suo errore) valutando punti casualmente noi scelte dalla regione integrazione.
Rif .
Sostituire f(x_r)
da f(x_r_i)
(leggi: f valutato al x
sub sub r
i
). Il r_i
sono scelti uniformemente a caso dalla [x_1, x_2]
intervallo.
Il punto è questo: l'area sotto f
su [x_1, x_2]
è uguale (x_2 - x_1)
volte la media del f
sul [x_1, x_2]
intervallo. Questo è il
A = (x_2 - x_1) * [(1 / (x_2 - x_1)) * int_{x_1}^{x_2} f(x)\, dx]
La parte tra parentesi quadre è la media di f
su [x_1, x_2]
che indicheremo avg(f)
. Come possiamo stimare la media di f
? Campionando esso in punti casuali N
e prendendo il valore medio di f
valutata in quei punti casuali. Vale a dire:
avg(f) ~ (1 / N) * sum_{i=1}^{N} f(x_r_i)
dove x_r_1, x_r_2, ..., x_r_N
sono punti scelti in modo uniforme a caso da [x_1, x_2].
Poi
A = (x_2 - x_1) * avg(f) ~ (x_2 - x_1) * (1 / N) * sum_{i=1}^{N} f(x_r_i).
Ecco un altro modo di pensare a questa equazione: l'area sotto f
sul [x_1, x_2]
intervallo è la stessa come l'area di un rettangolo con lunghezza (x_2 - x_1)
ed altezza pari all'altezza media di f
. L'altezza media di f
è di circa
(1 / N) * sum_{i=1}^{N} f(x_r_i)
, che è il valore che abbiamo prodotto in precedenza.
Che si tratti di x i o x r è irrilevante -. È il numero casuale che stiamo alimentando in funzione f ()
Sono più propensi a scrivere la funzione (a parte la formattazione) come segue:
(x 2 -x 1 ) * sum (f (x i )) / N
In questo modo, possiamo vedere che ci stiamo prendendo la media di N campioni di f (x) per ottenere un'altezza media di funzione, quindi moltiplicando per la larghezza (x2-x1).
Perché, dopo tutto, l'integrazione è solo calcolare l'area sotto la curva. (immagini NICE a http: //hyperphysics.phy-astr.gsu. edu / HBase / integ.html # c4 .
x_r è un valore casuale dalla gamma del integrale.
Sostituendo casuale (x_1, x_2) per x_r darebbe un'equazione equivalente.