Главная > Численные методы Монте-Карло
<< Предыдущий параграф Следующий параграф >>
Пред.
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

3.1.2. Интегрирование по части области.

Допустим, что мы умеем (аналитически) вычислить интегралы по некоторой части В области G:

где . Докажем, что, как правило, всегда выгодно представить интеграл (12) в виде суммы

и вычислять простейшим методом только интеграл по области . (Если С близко к то можно считать, что мы выделяем главную часть; по данный прием выгоден и тогда, когда область В заметно меньше, чем G (рис. 35); правда, и понижение дисперсии в этом случае будет заметно меньше.)

Рис. 35.

В области определим плотность и рассмотрим случайную величину

где Q — случайная точка с плотностью . Легко видеть, что Поэтому для расчета можно использовать оценку

где - независимые реализации точки Q. Чтобы сравнить эту оценку с оценкой (14), сравним дисперсии , где

Теорема 1. Если существует дисперсия , то

Доказательство. Согласно определению дисперсии

Умножив на и вычтя , получим, что

Оставшийся интеграл по области В выразим через неотрицательную величину

Тогда окажется, что

что и требовалось доказать.

Предположим, что задан какой-либо алгоритм расчета точек Q в G. Тогда трудоемкость алгоритма (14) равна где время расчета одной точки Q, а время расчета одного значения .

Рассмотрим оценку (25). Если никакого более удобного способа моделирования точек Q в пет, то можно отбирать точки Q среди точек Q (п. 5.2 гл. 2). Эффективность такого отбора . Поэтому время расчета одной точки Q в среднем равно , где - время, затрачиваемое на отбор (т. е. на проверку условия ). Трудоемкость алгоритма (25) в этих условиях равна

Легко доказать, что если

то трудоемкость алгоритма не больше, чем трудоемкость алгоритма (14). В самом деле,

Условие (27) легко проверяется на практике. Если область В «простая», а функция «сложная», то, очевидно,

Рис. 36.

Пример. Требуется вычислить объем фигуры V, ограниченной поверхностью (в сферических координатах)

где

Обозначим через вписанный в V и описанный около V шары, радиусы которых равны Объемы будем обозначать темп же буквами. Воспользуемся геометрическим методом: выберем случайные точки равномерно распределенные в и если v из этих точек попадут внутрь V, то будем считать, что объем V приближенно равен

Выделим теперь объем шара . Для этого достаточно выбрать случайные точки равномерно распределенные в шаровом слое ; если v из этих точек принадлежат V, то объем V приближенно равен

Вместо сравнения дисперсий осредняемых величин сравним в этом примере дисперсии самих оценок. Так как подчиняются биномиальным распределениям с параметрами и соответственно , то . Поэтому Очевидно, всегда

Если отношение то в оценке мы фактически выделяем главную часть задачи, и уменьшение дисперсии по сравнению с должно быть особенно заметным. Действительно, так как то можно записать, что , где . Тогда нетрудно сосчитать, что величина

пропорциональна , а величина

второго порядка малости.

Наконец, покажем, что если моделировать точки в сферических координатах (п. 2.4.1 гл. 2), то алгоритмы, соответствующие обоим рассмотренным методам, примерно одинаково сложны:

В самом деле, в обоих случаях для испытания нужны три случайных числа Координаты точек и вычисляются соответственно по формулам

или

где . Условие принадлежности точки объему V проверяется одинаково: это условие выполнено, то к счетчику v (соответственно v) добавляется единица.

Categories

1
Оглавление
email@scask.ru