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

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

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

Ilustracja metody MONTE CARLO. obliczania całek podwójnych

3.1. Obliczanie obwodu koła.

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

Kilka słów o metodzie Monte Carlo

Prawdopodobieństwo geometryczne

Rachunek prawdopodobieństwa projekt Ilustracja metody Monte Carlo obliczania całek oznaczonych

Metody probabilistyczne

Metody numeryczne w przykładach

Literatura. Leitner R., Zacharski J., Zarys matematyki wyŝszej dla studentów, cz. III.

Prawdopodobieństwo i statystyka

Metoda Monte Carlo i jej zastosowania

Mikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński

Dział I FUNKCJE TRYGONOMETRYCZNE

Metody Obliczeniowe w Nauce i Technice

Podstawy OpenCL część 2

LUBELSKA PRÓBA PRZED MATURĄ 2013

Matematyka. rok akademicki 2008/2009, semestr zimowy. Konwersatorium 1. Własności funkcji

MATEMATYKA ZP Ramowy rozkład materiału na cały cykl kształcenia

wymagania programowe z matematyki kl. II gimnazjum

Wykład 9: Markov Chain Monte Carlo

ZAGADNIENIA NA EGZAMIN POPRAWKOWY Z MATEMATYKI W KLASIE 3 ZASADNICZEJ SZKOŁY ZAWODOWEJ

FIGURY I PRZEKSZTAŁCENIA GEOMETRYCZNE

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

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Prawdopodobieństwo i statystyka

6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego

ROZWIĄZANIA DO ZADAŃ

Wykłady 14 i 15. Zmienne losowe typu ciągłego

ANALIZA MATEMATYCZNA 2

Rachunek prawdopodobieństwa i statystyka

Analiza Matematyczna Praca domowa

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

Interpolacja, aproksymacja całkowanie. Interpolacja Krzywa przechodzi przez punkty kontrolne

P (A B) = P (A), P (B) = P (A), skąd P (A B) = P (A) P (B). P (A)

Rachunek całkowy - całka oznaczona

Rozkład materiału nauczania

LABORATORIUM Z FIZYKI

Pracownia Astronomiczna. Zapisywanie wyników pomiarów i niepewności Cyfry znaczące i zaokrąglanie Przenoszenie błędu

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

Prawdopodobieństwo geometryczne

ZESTAWY PYTAŃ NA USTNY EGZAMIN SEMESTRALNY Z MATEMATYKI SEMESTR I

odczytywać własności funkcji y = ax 2 na podstawie funkcji y = ax 2 szkicować wykresy funkcji postaci y = ax,

Okręgi i proste na płaszczyźnie

PRÓBNY EGZAMIN MATURALNY

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

Całkowanie numeryczne

WYMAGANIA EDUKACYJNE Z MATEMATYKI W KLASIE DRUGIEJ LICEUM

klasa III technikum I. FIGURY I PRZEKSZTAŁCENIA Wiadomości i umiejętności

WYMAGANIA EDUKACYJNE NIEZBĘDNE DO UZYSKANIA ŚRÓDROCZNYCH I ROCZNYCH OCEN KLASYFIKACYJNYCH Z MATEMATYKI W KLASIE II GIMNAZJUM

w najprostszych przypadkach, np. dla trójkątów równobocznych

Lista działów i tematów

Zespół Placówek Oświatowych im. Jana Pawła II w Gościeradowie. autorki: Zuzanna Olech i Wiktoria Błachnio

KLASA CZWARTA TECHNIKUM WYMAGANIA NA POSZCZEGÓLNE OCENY

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Ułamki i działania 20 h

Wymagania edukacyjne z matematyki dla klasy III a,b liceum (poziom podstawowy) rok szkolny 2018/2019

Matematyka do liceów i techników Szczegółowy rozkład materiału Klasa III zakres rozszerzony

Matematyka do liceów i techników Szczegółowy rozkład materiału Klasa III zakres rozszerzony 563/3/2014

Plan wynikowy. Klasa III Technikum ekonomiczne. Kształcenie ogólne w zakresie rozszerzonym

Równania prostych i krzywych; współrzędne punktu

AKADEMIA GÓRNICZO-HUTNICZA Wydział Matematyki Stosowanej ROZKŁAD NORMALNY ROZKŁAD GAUSSA

Plan wynikowy klasa 3. Zakres podstawowy

RAPORT z diagnozy Matematyka na starcie

Wymagania na egzamin poprawkowy z matematyki w roku szkolnym 2018/2019 klasa 1 b BS

Prawo Biota-Savarta. Autorzy: Zbigniew Kąkol Piotr Morawski

Zmienne losowe ciągłe i ich rozkłady

Metoda Monte Carlo. Jerzy Mycielski. grudzien Jerzy Mycielski () Metoda Monte Carlo grudzien / 10

Temat: Zmienna losowa. Rozkład skokowy. Rozkład ciągły. Kody kolorów: Ŝółty nowe pojęcie pomarańczowy uwaga. Anna Rajfura, Matematyka

klasa I Dział Główne wymagania edukacyjne Forma kontroli

Krzywe stożkowe Lekcja II: Okrąg i jego opis w różnych układach współrzędnych

Agnieszka Kamińska, Dorota Ponczek. MATeMAtyka 3. Szczegółowe wymagania edukacyjne z matematyki w klasie trzeciej.

22. CAŁKA KRZYWOLINIOWA SKIEROWANA

1. Liczby zespolone Stwierdzić kiedy kwadrat liczby zespolonej jest liczbą. (i) rzeczywistą, (ii) ujemną, (iii) tylko urojoną?

Lista działów i tematów

Wykłady 11 i 12: Całka oznaczona

Metody Rozmyte i Algorytmy Ewolucyjne

Zakres tematyczny - PINGWIN. Klasa IV szkoły podstawowej 1. Zakres treści programowych z I etapu kształcenia. 2. Liczby naturalne i działania:

Agnieszka Kamińska, Dorota Ponczek. MATeMAtyka 3. Plan wynikowy. Zakres podstawowy

1. Liczby zespolone Stwierdzić kiedy kwadrat liczby zespolonej jest liczbą. (i) rzeczywistą, (ii) ujemną, (iii) tylko urojoną?

BLOK I. , x = Korzystając z definicji pochodnej w punkcie, obliczyć pochodne podanych funkcji we wskazanych punktach:

I jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek

Wykład 3. Rozkład normalny

WYMAGANIA EDUKACYJNE Rok szkolny 2018/2019

WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY VI wg podstawy programowej z VIII 2008r.

Analiza matematyczna 2 zadania z odpowiedziami

Rozkład wyników ogólnopolskich

FUNKCJE ZESPOLONE Lista zadań 2005/2006

Test diagnostyczny dla uczniów klas pierwszych szkół ponadgimnazjalnych Wersja A

Korzystanie z podstawowych rozkładów prawdopodobieństwa (tablice i arkusze kalkulacyjne)

nazwa zadania/ nr grupy realizowanych w Publicznym Gimnazjum w Janowcu Wielkopolskim nazwa i adres szkoły

Bank zadań na egzamin pisemny (wymagania podstawowe; na ocenę dopuszczającą i dostateczną)

Wymagania edukacyjne zakres podstawowy klasa 3A

Kryteria oceniania z matematyki Klasa III poziom podstawowy

ANALIZA MATEMATYCZNA 2 zadania z odpowiedziami

METODA PERT. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski

Uczeń otrzymuje ocenę dostateczną, jeśli opanował wiadomości i umiejętności konieczne na ocenę dopuszczającą oraz dodatkowo:

Transkrypt:

Ilustracja metody Monte Carlo obliczania pola obszaru D zawartego w kwadracie [a,b]x[a,b] Dagna Bieda, Piotr Jarecki, Tomasz Nachtigall, Jakub Ciesiółka, Marek Kubiczek

Metoda Monte Carlo Metoda Monte Carlo (MC) jest stosowana do modelowania matematycznego procesów zbyt złożonych (obliczania całek, łańcuchów procesów statystycznych), aby można było przewidzieć ich wyniki za pomocą podejścia analitycznego. Istotną rolę w metodzie MC odgrywa losowanie (wybór przypadkowy) wielkości charakteryzujących proces, przy czym losowanie dokonywane jest zgodnie z rozkładem, który musi być znany.

Cel projektu Celem projektu jest pokazanie na kilku przykładach, Celem projektu jest pokazanie na kilku przykładach, jakie wyniki daje metoda Monte Carlo w zależności od ilości iteracji w porównaniu z wynikami dokładnymi, obliczonymi ze wzorów na pola lub z całek podwójnych. W tym celu do każdego przykładu został napisany program w języku C++ obliczający pole metodą MC.

Ogólny algorytm 1. Losujemy niezależnie liczby u, 1 u 2,..., u n oraz v 1, v2,..., v n z rozkładu jednostajnego U[ 0,1]

Ogólny algorytm 1. Losujemy niezależnie liczby u 1 u 2,..., u n oraz v 1, v2,..., v n z rozkładu jednostajnego U[ 0,1] 2. Przekształcamy x ( ) k a + b a u k i y k = a + b dla k =1,2,..., n = ( ) k a v

Ogólny algorytm 1. Losujemy niezależnie liczby u 1 u 2,..., u n oraz v 1, v2,..., v n z rozkładu jednostajnego U[ 0,1] 2. Przekształcamy x ( ) k a + b a u k i y k = a + b dla k =1,2,..., n = ( ) k 3. Jako przybliżoną wartość pola przyjmujemy: D ( b a ) n f ( x ) k, y k 2 przy czym za przyjmujemy 1, gdy punkt należy do obszaru D, 0 w przeciwnym przypadku. n k = 1 f (, ) x k y k a v

Przykład 1 pole trójkąta

Przykład 1 pole trójkąta Dany jest trójkąt t zawarty w prostokącie [2,5]x[2,6]. Ograniczony prostymi: x oraz y = x = 5

Przykład 1 pole trójkąta Obliczamy pole trójkąta ta ze standardowego wzoru P = 2 1 a h P = 1 3 3 2 = 4,5 Oraz metodą MC.

Wyniki działania programu dla różnych ilości losowań 6,5 Rozrzut wartości pola trójkąta przy 100 losowaniach 6 5,5 Wartość pola 5 4,5 4 Rozrzut wartości pola Wartość policzona 3,5 3 2,5 0 20 40 60 80 100 Numer próby

Wyniki działania programu dla różnych ilości losowań 5 Rozrzut wartości pola trójkąta dla 1000 losowań 4,9 4,8 4,7 Wartość pola 4,6 4,5 4,4 Rozrzut wartości pola Wartość policzona 4,3 4,2 4,1 4 0 20 40 60 80 100 Numer próby

Wyniki działania programu dla różnych ilości losowań Rozrzut wartości pola trójkąta dla 100000 losowań 4,54 4,52 Wartość pola 4,5 4,48 Rozrzut wartości pola Wartość policzona 4,46 4,44 0 20 40 60 80 100 Numer próby

Wyniki działania programu dla różnych ilości losowań Liczba losowań 100 1000 100000 Wartość min 3,12 4,14 4,54 Wartość max 5,88 4,96 4,46 Wartość średnia 4,5 4,54 4,51 Odchylenie standardowe 0,56 0,19 0,02

Przykład 2 pole koła

Przykład 2 pole koła Dane jest koło zawarte w protokącie [3,9]x[4,10]. Ograniczone krzywymi o równaniach: 2 y = 7 + 9 ( x 6) y = 7 9 ( x 6) x x = 9 = 3 2

Przykład 2 pole koła Obliczamy pole ze standardowego wzoru: P = πr P = 9π 28,27 oraz metodą MC. 2

Wyniki działania programu dla różnych ilości losowań 32 Rozrzut wartości pola figury przy 100 losowaniach 31 30 Wartość pola 29 28 27 Rozrzut wartości pola Wartość policzona 26 25 24 0 20 40 60 80 100 Numer próby

Wyniki działania programu dla różnych ilości losowań 29,5 Rozrzut wartości pola figury przy 1000 losowań 29 Wartość pola 28,5 28 Rozrzut wartości pola Wartość policzona 27,5 27 0 20 40 60 80 100 Numer próby

Wyniki działania programu dla różnych ilości losowań 28,4 Rozrzut wartości pola figury dla 100000 losowań 28,35 Wartość pola 28,3 28,25 Rozrzut wartości pola Wartość policzona 28,2 28,15 0 20 40 60 80 100 Numer próby

Wyniki działania programu dla różnych ilości losowań Liczba losowań 100 1000 100000 Wartość min 24,12 27,32 28,17 Wartość max 31,68 29,41 28,38 Wartość średnia 28,13 28,41 28,27 Odchylenie standardowe 1,44 0,46 0,04

Przykład 3

Przykład 3 Dana jest figura zawarta w prostokącie [5,10]x[1,10]. Ograniczona krzywymi o równaniach: y = x +17 y 2 = 0,6515x 12x + 56,26

Przykład 3 Obliczamy pole figury korzystając z całki podwójnej P = 10 5,5 7 5,5 10dx + (0,6515x 10 2 7 ( x + 17) dx 12x + 56,26) dx 24,79 oraz przy pomocy metody MC.

Wyniki działania programu dla różnych ilości losowań Rozrzut wartości pola figury przy 100 losowaniach 29 27 Wartość pola 25 23 Rozrzut wartości pola Wartość policzona 21 19 0 20 40 60 80 100 Numer próby

Wyniki działania programu dla różnych ilości losowań 27 Rozrzut wartości pola figury dla 1000 losowań 26,5 26 25,5 Wartość pola 25 24,5 24 Rozrzut wartości pola Wartość policzona 23,5 23 22,5 0 20 40 60 80 100 Numer próby

Wyniki działania programu dla różnych ilości losowań 25 Rozrzut wartości pola figury dla 100000 losowań 24,95 24,9 24,85 Wartość pola 24,8 24,75 24,7 Rozrzut wartości pola Wartość policzona 24,65 24,6 24,55 0 20 40 60 80 100 Numer próby

Wyniki działania programu dla różnych ilości losowań Liczba losowań 100 1000 100000 Wartość min 19,35 22,90 24,59 Wartość max 31,95 26,50 24,96 Wartość średnia 24,53 24,88 24,82 Odchylenie standardowe 2,27 0,73 0,08

Przykład 4

Przykład 4 Dane są 3 figury zawarte w kwadracie [4,11]x[4,11]. ograniczone krzywymi 2 y = 0,12 x + 1,8 x + 8,28 2 y = 0,12 x + 1,8 x + 10,28 x = 4, x = 11 x x = 4, x = 6, y = 9, y = 11 = 9, x = 11, y = 9, y = 11

Przykład 4 Obliczamy pole figury korzystając z całki podwójnej P = 10 4 2 2 + 2 (0,12 x 2 2 + 10 4 (0,12 x 2 + 1,8 x + 1,8 x + 8,28) dx = + 10,28) dx 22 oraz przy pomocy metody MC.

Wyniki działania programu dla różnych ilości losowań Rozrzut wartości pola figury przy 100 losowaniach 29 27 25 Wartość pola 23 21 Rozrzut wartości pola Wartość policzona 19 17 15 0 20 40 60 80 100 Numer próby

Wyniki działania programu dla różnych ilości losowań 24,5 Rozrzut wartości pola figury dla 1000 losowań 24 23,5 23 Wartość pola 22,5 22 21,5 Rozrzut wartości pola Wartość policzona 21 20,5 20 0 20 40 60 80 100 Numer próby

Wyniki działania programu dla różnych ilości losowań 22,2 Rozrzut wartości pola figury dla 100000 losowań 22,15 22,1 22,05 Wartość pola 22 21,95 21,9 Rozrzut wartości pola Wartość policzona 21,85 21,8 21,75 0 20 40 60 80 100 Numer próby

Wyniki działania programu dla różnych ilości losowań Liczba losowań 100 1000 100000 Wartość min 16,17 20,18 21,79 Wartość max 27,93 24,01 22,18 Wartość średnia 22,08 21,99 21,99 Odchylenie standardowe 2,46 0,83 0,08

Odchylenia standardowe dla różnych n σ σ Wynik dokładny [n=100] [n=1000] [n=100000] Trójkąt 4,5 0,56 0,10 0,02 Koło 28,27 1,44 0,46 0,04 Parabola 24,79 2,27 0,73 0,08 Buźka 22 2,46 0,83 0,08 σ

Dziękujemy za uwagę