Monte Carlo metoden är en matematisk uppskattning förfarande för att uppskatta fördelningen av okända parametrar i en relation , att veta fördelningen av befintliga parametrar . Monte Carlo-metoden utnyttjar kraften av datorer till slumpmässigt uppskatta kombinationer av olika inparametrar och uppskatta fördelningen av ett utdataparametrarna . De optimerade vektoroperationer i MATLAB gör Monte Carlo uppskattning enkel att programmera . Monte Carlo-metoden
Förfarandet för Monte Carlo-simuleringar är här : gissa en uppsättning kända parametrar från en slumpmässig fördelning och uppskatta andra parametrar eller framtida resultat från dessa slumpmässiga gissningar . När upprepas ett antal gånger , kan Monte Carlo-simulering ger en exakt mängd möjligheter , liksom deras sannolikhet . Monte Carlo-metoden är bäst lämpad för linjära relationer där endast en parameter är okänd. Börja förbereda en Monte Carlo- simulering genom att undersöka ekvationen för förhållandet
Setup
du vill simulera . Till exempel anser , " A /B sin ( C theta ) = X. " Parametrarna A , B och C skall vara känd , och vinkeln theta kan uppskattas över hela intervallet 0 till 2 pi . Du behöver veta de olika parametrarna A , B och C samt hur eventuella värden distribueras genom området . Exempelvis kan A och B vara jämnt fördelade mellan 5 och 10 , och C kan normalt fördelade runt 2 med en varians av ett . Du kommer också att behöva besluta om lämpligt antal försök att korrekt uppskatta den potentiella fördelningen av X. Addera ditt MATLAB Procedure
MATLAB " rand ( ) " funktion ritar pseudoslumpmässiga tal i en jämn fördelning över intervallet ( 0,1 ) katalog
nTrials = 1000; . a = 5 * rand ( nTrials , 1 ) + 5 , B = 5 * rand ( nTrials , 1 ) + 5;
MATLAB " normrnd ( ) "-funktion drar pseudoslumptal från en normalfördelning
C = normrnd ( 2,1, nTrials , 1 ) ; .
Utbudet av vinkeln theta beräknas mellan 0 och 2 pi vid ett inre av 0,05
theta = 0:0.05:2 * pi , . kommer
resultatet X vara en matris av dimension nTrials efter längd ( theta ) katalog
X = ( a /B ) * sin ( C * theta ) , .
Begränsningar
Monte Carlo- metoden är begränsad till simulera matematiska relationer som är kända , där de flesta av parametrarna kan beräknas från en känd fördelning . Linjära relationer fungerar bäst , eftersom fel i skattning kan bli mycket stora i ickelinjära relationer . Relationer med ett stort antal parametrar eller stora områden av distributioner kan ta mycket lång tid att uppskatta med hjälp av Monte Carlo- metoden .
