Метод статистических испытаний

Одним из наиболее распространенных численных методов решения математических задач является метод статистических испытаний (иначе метод Монте-Карло). Он основан на моделировании случайных величин (или процессов) с последующим построением статистических оценок для искомых величин. Такой метод достаточно универсален, так как может использоваться для решения задач, совершенно не связанных со случайностью.

Название «Монте-Карло» связано со столицей княжества Монако: Монте-Карло ассоциируется с азартными играми, где господствует случайность.

Единичный случайный результат, рассматриваемый изолированно, практически не несет информации, но большое число таких результатов становится искусственно полученным статистическим материалом, отображающим изучаемые закономерности. Причем это отображение будет тем точнее, чем больше результатов. В методе Монте-Карло для определения неизвестной величины a подыскивается случайная величина X с математическим ожиданием a.

В более сложных случаях отыскивается та или иная функция от случайной величины, функция нескольких случайных величин и т. д. Принцип использования случайных величин можно проиллюстрировать на простом примере определения числа π.

Искомая величина моделируется случайной величиной — числом точек, случайным образом наносимых на вычерченную схему с последующим определением доли точек, попадающих в определенную зону.

На рис. 8.3, а показан квадрат со стороной r, в который вписана четверть круга (квадрант) радиусом тоже r. Отношение незакрашенной (светлой) площади (r2/4) к площади квадрата (r2) равно

Метод статистических испытаний

Это отношение, а следовательно, и число π можно приближенно получить, нанося случайным образом точки на изображенный квадрат и определяя долю точек, попадающих в светлую зону (рис. 8.3, б). Естественно, что вероятность попадания точек на любой участок изображенного квадрата должна быть одинакова, а число точек достаточно велико. На рис. 8.3, б общее число точек, попавших в квадрат (за пределами квадрата точки не считаются), составило 76, причем в светлую зону попало 58 точек.

Метод статистических испытанийМетод статистических испытаний

При увеличении числа точек результат расчета будет постепенно приближаться к истинному значению π = 3,14159265358 … При нескольких тысячах точек за первые три цифры вполне можно будет ручаться. Случайность попадания в светлую или темную зоны может быть обеспечена самыми разнообразными способами, начиная с разбрасывания на листе бумаги мелких крупинок (особенно если выполнять это с завязанными глазами) и кончая использованием генерированных компьютером случайных (псевдослучайных) чисел.

Интересно
Как отмечалось выше, приведенный пример иллюстрирует лишь простейший случай моделирования случайных величин. Тем не менее, метод Монте-Карло может быть очень эффективным при решении многих сложных математических задач, включая вычисление интегралов, решение интегральных уравнений, для решения задач теории массового обслуживания, математической экономики, теории передачи сообщений в условиях сильных помех и т. д.

Случайность выбора исходных данных обеспечивается с помощью специальных компьютерных программ, генерирующих случайные числа. Строго говоря, получаемые в этом случае случайные числа таковыми не являются, но они отличаются от «истинных» случайных чисел очень мало.

Практически этим различием можно пренебречь даже при самых жестких требованиях к точности расчетов.

Математики называют такие числа, генерируемые компьютерными программами, псевдослучайными.

Узнай цену консультации

"Да забей ты на эти дипломы и экзамены!” (дворник Кузьмич)