Die Monte -Carlo-Methode ist ein mathematisches Schätzverfahren , die Verteilung der unbekannten Parameter in einer Beziehung zu schätzen, zu wissen, die Verteilung der vorhandenen Parameter . Die Monte -Carlo-Methode nutzt die Leistung der Computer nach dem Zufallsprinzip schätzen Kombinationen verschiedener Input-Parameter und die Schätzung der Verteilung eines Output-Parameter . Die optimierten Vektor-Operationen in MATLAB macht Monte Carlo Schätzung einfach zu programmieren . Monte -Carlo-Methode
Das Verfahren für die Monte -Carlo-Simulationen ist dies : guess eine Reihe von bekannten Parameter aus einer zufälligen Verteilung und schätzen andere Parameter oder zukünftige Ergebnisse von diesen zufälligen Vermutungen. Wenn wiederholt eine Reihe von Zeiten , kann die Monte -Carlo-Simulation geben eine genaue Reihe von Möglichkeiten , sowie deren Wahrscheinlichkeit . Die Monte -Carlo-Methode ist am besten , um lineare Beziehungen, in denen nur ein Parameter ist unbekannt geeignet.
Setup-
Start der Vorbereitung für eine Monte -Carlo-Simulation durch die Untersuchung der Gleichung für die Beziehung Sie simulieren möchten . Betrachten Sie zum Beispiel , "A /B sin ( C theta) = X. " Die Parameter A, B und C bekannt sein sollte , und der Winkel Theta können über den Bereich von 0 bis 2 pi abgeschätzt werden. Sie benötigen , um den Bereich der Parameter A, B und C sowie wie möglichen Werte werden durch den Bereich verteilt wissen . Zum Beispiel kann A und B gleichmäßig zwischen 5 und 10 verteilt werden , und C kann in der Regel etwa 2 werden mit einer Varianz von 1 verteilt . Sie müssen auch auf die entsprechende Anzahl der Versuche entscheiden richtig schätzen das Potenzial Verteilung von X.
MATLAB Vorgehensweise
Die MATLAB " rand ( ) " Funktion zeichnet Pseudozufallszahlen in einer gleichmäßigen Verteilung über das Intervall (0,1)
nTrials = 1000; . a = 5 * rand ( nTrials , 1 ) + 5 , B = 5 * rand ( nTrials , 1 ) + 5 ;
Die MATLAB " normrnd () "-Funktion zieht Pseudozufallszahlengeneratoren von einer normalen Verteilung
