Nie do końca zaawansowane elementy programowania w pakiecie R. Tomasz Suchocki

Podobne dokumenty
Ilustracja metody MONTE CARLO. obliczania całek podwójnych

Ilustracja metody Monte Carlo obliczania pola obszaru D zawartego w kwadracie [a,b]x[a,b]

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 12

Prawdopodobieństwo geometryczne

Rachunek prawdopodobieństwa projekt Ilustracja metody Monte Carlo obliczania całek oznaczonych

Ilustracja metody Monte Carlo do obliczania pola obszaru D zawartego w kwadracie [a, b] [a, b].

Prawdopodobieństwo geometryczne

wykład V uzupełnienie notatek: dr Jerzy Białkowski Programowanie C/C++ Język C++ klasy i obiekty wykład V dr Jarosław Mederski Spis Język C++ - klasy

WYDZIAŁ INFORMATYKI I ZARZĄDZANIA, studia niestacjonarne ANALIZA MATEMATYCZNA1, lista zadań 1

Wykłady 11 i 12: Całka oznaczona

Metoda Monte Carlo i jej zastosowania

MODELOWANIE RZECZYWISTOŚCI

Całkowanie numeryczne

TO SĄ ZAGADNIENIA O CHARAKTERZE RACZEJ TEORETYCZNYM PRZYKŁADOWE ZADANIA MACIE PAŃSTWO W MATERIAŁACH ĆWICZENIOWYCH. CIĄGI

Metody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski

Analiza Matematyczna MAEW101

Metody numeryczne. materiały do wykładu dla studentów. 7. Całkowanie numeryczne

Wykład 10: Całka nieoznaczona

Całkowanie metodą Monte Carlo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka

Analiza Matematyczna. Lista zadań 10

Kilka słów o metodzie Monte Carlo

Całka oznaczona zastosowania (wykład 9; ) Definicja całki oznaczonej dla funkcji ciagłej

Całkowanie numeryczne

Opracowanie: mgr Jerzy Pietraszko

Wykład VI. Badanie przebiegu funkcji. 2. A - przedział otwarty, f D 2 (A) 3. Ekstrema lokalne: 4. Punkty przegięcia. Uwaga!

Analiza matematyczna 2 zadania z odpowiedziami

Czym jest liczba π? O liczbie π. Paweł Zwoleński. Studenckie Koło Naukowe Matematyków Wydział Matematyczno-Fizyczny Politechnika Śląska

Blok V: Ciągi. Różniczkowanie i całkowanie. c) c n = 1 ( 1)n n. d) a n = 1 3, a n+1 = 3 n a n. e) a 1 = 1, a n+1 = a n + ( 1) n

ANALIZA MATEMATYCZNA 2 zadania z odpowiedziami

Modelowanie rynków finansowych z wykorzystaniem pakietu R

Funkcje dwóch zmiennych

Podstawy OpenCL część 2

Metody numeryczne w przykładach

Laboratorium z informatyki sem.iii/ćw. 4 Wydział Transportu PW /19

Mikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński

ODPOWIEDZI I SCHEMAT PUNKTOWANIA ZESTAW NR 2 POZIOM PODSTAWOWY. Etapy rozwiązania zadania

Czym jest całka? Całkowanie numeryczne

Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap

Zadania z analizy matematycznej - sem. II Całki nieoznaczone

Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne)

Rachunek całkowy - całka oznaczona

XIV WOJEWÓDZKI KONKURS MATEMATYCZNY

Całkowanie numeryczne

Matematyka II. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr letni 2018/2019 wykład 13 (27 maja)

Lista zadań nr 2 z Matematyki II

Z52: Algebra liniowa Zagadnienie: Zastosowania algebry liniowej Zadanie: Operatory różniczkowania, zagadnienie brzegowe.

Całka nieoznaczona wykład 7 ( ) Motywacja

Rachunek różniczkowy i całkowy 2016/17

22. CAŁKA KRZYWOLINIOWA SKIEROWANA

Całki krzywoliniowe. SNM - Elementy analizy wektorowej - 1

MATLAB Prowadzący: dr hab. inż. Marek Jaszczur Poziom: początkujący

Analiza Matematyczna MAEW101

Wykłady z Matematyki stosowanej w inżynierii środowiska, II sem. 2. CAŁKA PODWÓJNA Całka podwójna po prostokącie

Wykład 2 Zmienne losowe i ich rozkłady

Funkcje wielu zmiennych (wykład 14; )

Interpolacja, aproksymacja całkowanie. Interpolacja Krzywa przechodzi przez punkty kontrolne

Dział I FUNKCJE TRYGONOMETRYCZNE

1 Wykład 4. Proste Prawa wielkich liczb, CTG i metody Monte Carlo

ARKUSZ X

2. ZASTOSOWANIA POCHODNYCH. (a) f(x) = ln 3 x ln x, (b) f(x) = e2x x 2 2.

ANALIZA MATEMATYCZNA 1

1 Funkcja wykładnicza i logarytm

Analiza Matematyczna MAEW101 MAP1067

y(t) = y 0 + R sin t, t R. z(t) = h 2π t

DŁUGOŚĆ OKRĘGU. POLE KOŁA

ANALIZA MATEMATYCZNA 1

Zadania ze statystyki, cz.6

Zadania do samodzielnego rozwiązania zestaw 11

ANALIZA MATEMATYCZNA 2

1 Funkcja wykładnicza i logarytm

1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa

Analiza Matematyczna I

Wykorzystanie programów komputerowych do obliczeń matematycznych

METODY STATYSTYCZNE W BIOLOGII

Zadania z analizy matematycznej - sem. I Pochodne funkcji, przebieg zmienności funkcji

PAKIETY STATYSTYCZNE

Technologie Informacyjne Mechatronika 2012/2013 Algorytmy. Podstawy programowania

Jednowymiarowa zmienna losowa

Całka podwójna po prostokącie

Elementy rachunku różniczkowego i całkowego

Lista 0 wstęp do matematyki

3. Operacje na zbiorach (1) Sprowadź poniższe zdania dotyczące zbiorów do postaci zdań logicznych i sprawdź ich prawdziwość.

Przez F(C) oznaczamy figurę narysowaną w kartezjańskim układzie współrzędnych, która ograniczona jest przez:

Wykład Matematyka A, I rok, egzamin ustny w sem. letnim r. ak. 2002/2003. Każdy zdający losuje jedno pytanie teoretyczne i jedno praktyczne.

Pochodna funkcji jednej zmiennej

II. RÓŻNICZKOWANIE I CAŁKOWANIE NUMERYCZNE Janusz Adamowski

Optymalizacja ciągła

ELEKTROTECHNIKA Semestr 2 Rok akad / ZADANIA Z MATEMATYKI Zestaw Oblicz pochodne cząstkowe rzędu drugiego funkcji:

Metody Obliczeniowe w Nauce i Technice

Biostatystyka, # 3 /Weterynaria I/

,,Matematyczna Ruletka Czyli jak sie robi liczby (pseudo)losowe.

Wykład 9: Markov Chain Monte Carlo

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Wersja testu D 14 września 2011 r. 1. Czy prawda jest, że a) x Z y Z y 2 = 2 ; b) x Z y Z x 2 = 1 ; c) x Z y Z x 2 = 2 ; d) x Z y Z y 2 = 1?

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

7. Estymacja parametrów w modelu normalnym( ) Pojęcie losowej próby prostej

wymagania programowe z matematyki kl. II gimnazjum

Transkrypt:

Nie do końca zaawansowane elementy programowania w pakiecie R Tomasz Suchocki

Plan wykładu Metody Monte Carlo Jak bardzo można przybliżyć liczbę π? Całkowanie numeryczne R w Linuxie Tinn-R

Metody Monte Carlo - Definicja Technika Monte Carlo dowolna technika używająca liczb losowych do rozwiązania problemu. Problem nie musi być natury stochastycznej!

Metody Monte Carlo - Definicja Technika Monte Carlo dowolna technika używająca liczb losowych do rozwiązania problemu. Problem nie musi być natury stochastycznej! Metoda Monte Carlo metoda reprezentująca rozwiązanie problemu w postaci parametru pewnej hipotetycznej populacji i używająca losowych sekwencji liczb do skonstruowania próby losowej danej populacji, z której mogą być otrzymane oszacowania statystyczne tego parametru.

Metody Monte Carlo - Definicja Technika Monte Carlo dowolna technika używająca liczb losowych do rozwiązania problemu. Problem nie musi być natury stochastycznej! Metoda Monte Carlo metoda reprezentująca rozwiązanie problemu w postaci parametru pewnej hipotetycznej populacji i używająca losowych sekwencji liczb do skonstruowania próby losowej danej populacji, z której mogą być otrzymane oszacowania statystyczne tego parametru. Nazwa Monte Carlo została wymyślona jako kryptonim dla tego typu rachunków i odpowiednich metod matematycznych.

Metody Monte Carlo - Rys historyczny G. Comte de Buffon (1777) prawdopodobnie najwcześniejsze udokumentowane użycie próbkowania losowego do obliczenia całki.

Metody Monte Carlo - Rys historyczny G. Comte de Buffon (1777) prawdopodobnie najwcześniejsze udokumentowane użycie próbkowania losowego do obliczenia całki. Marquis Pierre-Simon de Laplace (1886) zastosowanie metody Buffona do wyznaczania wartości liczby π (wielkość zupełnie nielosowa!).

Metody Monte Carlo - Rys historyczny G. Comte de Buffon (1777) prawdopodobnie najwcześniejsze udokumentowane użycie próbkowania losowego do obliczenia całki. Marquis Pierre-Simon de Laplace (1886) zastosowanie metody Buffona do wyznaczania wartości liczby π (wielkość zupełnie nielosowa!). J. von Neumann, S. Ulam, N. Metropolis, R. Feynman i in. (lata 1940-te) pierwsze na duża skalę rachunki oparte o użycie liczb losowych; dotyczyły rozpraszania i absorpcji neutronów w ramach projektu Manhattan (prace nad bombą jądrową w Los Alamos, USA).

Liczba π - Definicja Liczba π stała matematyczna równa stosunkowi długości obwodu koła do długości jego średnicy.

Liczba π - Definicja Liczba π stała matematyczna równa stosunkowi długości obwodu koła do długości jego średnicy. Liczba π równa polu koła o promieniu równym 1.

Liczba π - Definicja Liczba π stała matematyczna równa stosunkowi długości obwodu koła do długości jego średnicy. Liczba π równa polu koła o promieniu równym 1. Liczba π = 3, 14159 26535 89793 23846 26433 83279...

Jak wyznaczyć liczbę π - idea

Jak wyznaczyć liczbę π - idea P P = π r 2 (2 r) 2 = π 4

Jak wyznaczyć liczbę π - idea P = π r 2 P (2 r) 2 = π 4 1. Ustalmy k = 0, n = 0; 2. Losujmy punkt z kwadratu; 3. Jeśli punkt będzie znajdował się wewnątrz koła zwiększmy k i n o jeden; 4. Jeśli punkt nie będzie znajdował się wewnątrz koła zwiększmy tylko n;

Jak wyznaczyć liczbę π - idea P = π r 2 P (2 r) 2 = π 4 1. Ustalmy k = 0, n = 0; 2. Losujmy punkt z kwadratu; 3. Jeśli punkt będzie znajdował się wewnątrz koła zwiększmy k i n o jeden; 4. Jeśli punkt nie będzie znajdował się wewnątrz koła zwiększmy tylko n; π 4 = k n π = 4 k n

Jak wyznaczyć liczbę π - algorytm 1. pi_mc=function(n) 2. { 3. k=0 4. for (i in 1:n) 5. { 6. x=runif(1,-1,1) 7. y=runif(1,-1,1) 8. if ((x)ˆ 2+(y)ˆ 2<=1) 9. k=k+1 10. } 11. return(4*k/n) 12. }

Jak wyznaczyć liczbę π - dokładność 0 1 2 3 4 π z programu π teoretyczna dobre miejsca po przecinku 10 1 10 2 10 3 10 4 10 5 10 6 10 7 n

Jak wyznaczyć liczbę π - czas obliczeń czas [s] 0 50 100 150 10 1 10 2 10 3 10 4 10 5 10 6 10 7 n

Całkowanie w pakiecie R Całka z funkcji f pole powierzchni pod wykresem funkcji f. 2 1 f (x)dx = 2 1 ln(x) dx =? x

Całkowanie w pakiecie R 1. Wyznaczamy prostokąt o podstawie równej przedziałowi całkowania [A,B] a wysokości dowolnej byle nie mniejszej od maksimum funkcji f(x) w tym przedziale; 2. Wyznaczamy przybliżoną wartość całki według następującej proporcji: stosunek pola pod krzywą (czyli całki) do pola prostokąta jest równy stosunkowi liczby punktów pod krzywą do liczby wszystkich wylosowanych punktów w tym prostokącie.

Całkowanie w pakiecie R 1. Wyznaczamy prostokąt o podstawie równej przedziałowi całkowania [A,B] a wysokości dowolnej byle nie mniejszej od maksimum funkcji f(x) w tym przedziale; 2. Wyznaczamy przybliżoną wartość całki według następującej proporcji: stosunek pola pod krzywą (czyli całki) do pola prostokąta jest równy stosunkowi liczby punktów pod krzywą do liczby wszystkich wylosowanych punktów w tym prostokącie. 2 = f (x)dx = 1 ln(2) 0 2 1 ln(x) dx = x tdt = t2 2 ln(2) 0 = ln(2)2 2 ( ) ln(x) = t = dt = dx x = 0.2402265

Całkowanie w pakiecie R - algorytm 1. calka=function(n) 2. { 3. k=0 4. x1=seq(1,2,length=100) 5. f=log(x1)/x1 6. m=max(f) 7. for (i in 1:n) 8. { 9. x=runif(1,1,2) 10. y=runif(1,0,m) 11. if (y<=(log(x)/x)) 12. k=k+1 13. } 14. return(k/n*m) 15. }

Całkowanie w pakiecie R - wyniki 0.10 0.15 0.20 0.25 0.30 calka z programu calka teoretyczna dobre miejsca po przecinku 1 1 2 2 1 3 4 10 1 10 2 10 3 10 4 10 5 10 6 10 7 n

Całkowanie w pakiecie R - Wniosek Całkowanie przy użyciu metod Monte Carlo są niezwykle przydatne w przypadku, gdy nie potrafimy w sposób analityczny wyznaczyć całki z pewnej funkcji. Przykład: f (x) = sin(x) x

Podobieństwa powyższych metod Czy są podobieństwa między całkowaniem, a wyznaczaniem liczby π?

Podobieństwa powyższych metod Czy są podobieństwa między całkowaniem, a wyznaczaniem liczby π?

R w Linuxie bo obliczenia trwają za długo! nohup R - -vanilla <program.r >tmp.out 2>tmp.lst &

Tinn-R aby było wygodniej!

Tinn-R aby było wygodniej!

Koniec Dziękuję za uwagę

Bibliografia Wykłady dr hab. Wiesława Płaczka, UJ