И тогда оценка
окажется практически более эффективной, чем
.
Обычно говорят, что «построен метод Монте-Карло» для расчета интеграла
тогда, когда определена оценка вида (1), приближающая
при этом обычно предполагается, что
Условимся говорить, что «построен алгоритм Апонте-Карло», соответствующий данному методу, если указаны также формулы для моделирования используемых в этом методе случайных величин. Например, оценка (14) и формула
определяют метод Монте-Карло; чтобы получить алгоритм Монте-Карло, надо указать еще формулы для расчета точки Q по стандартным случайным числам. Как мы видели в гл. 2, это можно делать различными способами, так что один и тот же метод Монте-Карло может быть реализован в виде различных алгоритмов.
Рассмотрим два алгоритма Монте-Карло (безразлично соответствуют ли они разным методам или одному) для вычисления интеграла
. Пусть в одном алгоритме осредняются значения случайной величины
, а во втором
, так что соответствующие оценки интеграла равны
Обозначим дисперсии осредняемых величин через
и пусть
время, затрачиваемое на расчет одного значения
и соответственно Естественно считать более эффективным тот алгоритм, который требует меньшего времени счета для достижения заданной вероятной ошибки.
Для того чтобы вероятная ошибка для первого из сравниваемых алгоритмов равнялась
количество
осредняемых значений
, согласно (5), должно равняться
Время счета при этом окажется равным
Для второго алгоритма время счета, необходимое для достижения той же вероятной ошибки
, равно
Назовем трудоемкостью алгоритма Монте-Карло произведение
дисперсии осредняемой случайной величин
на время t расчета одного значения g. Тогда время счета, необходимое для достижения заданной вероятной ошибки, окажется пропорциональным трудоемкости алгоритма. Ясно, что
двух алгоритмов более эффективен менее трудоемкий.
Так как трудоемкость используется обычно для сравнения алгоритмов, то вычислять ее можно в любых единицах, в частности, t можно выражать в секундах, а можно — в количествах элементарных операций. Конечно, надо предполагать, что сравниваемые алгоритмы реализуются с помощью одних и тех же вычислительных средств. Кстати, не исключена возможность того, что при переходе к другим средствам вычисления менее тру доемкий алгоритм станет более трудоемким.
Пример. Вычислить интеграл
Можно считать, что под интегралом стоит также плотность
случайной величины
. Тогда простейший мегод приводит к оценке
Дисперсия осредняемой случайной величины
равна
Так как
то можно воспользоваться также геометрическим методом:
где
если
в противном случае. Дисперсию