El método de Monte Carlo es un procedimiento de estimación matemática para estimar la distribución de parámetros desconocidos en una relación, conocer la distribución de los parámetros existentes. El método de Monte Carlo aprovecha el poder de computación para calcular al azar combinaciones de diferentes parámetros de entrada y calcular la distribución de un parámetros de salida. Las operaciones de vectores optimizados en MATLAB hace que la estimación de Monte Carlo sencillo de programar.
Método de Monte Carlo
El procedimiento para simulaciones de Monte Carlo es la siguiente: adivina un conjunto de parámetros conocidos de una distribución aleatoria y estimar otros parámetros o futuros resultados de estas conjeturas al azar. Cuando se repite un número de veces, la simulación de Monte Carlo puede dar una gama exacta de posibilidades, así como su probabilidad. El método Monte Carlo se adapta mejor a las relaciones lineales en la que sólo uno parámetros es desconocido.
Preparar
Comenzar a prepararse para una simulación de Monte Carlo mediante el examen de la ecuación para la relación que desee simular. Por ejemplo, considere, "A / B sen (C theta) = X." Los parámetros A, B y C deben ser conocidos, y el ángulo theta se puede estimar a través de la gama de 0 a 2 pi. Es necesario conocer la gama de los parámetros A, B y C, así como en qué medida los valores están distribuidos a través de la gama. Por ejemplo, A y B pueden estar distribuidos uniformemente entre 5 y 10, y C pueden ser distribuidos normalmente alrededor de 2 con una varianza de 1. También tendrá que decidir sobre el número apropiado de ensayos para estimar adecuadamente el potencial de distribución de X.
Procedimiento MATLAB
El "rand ()" MATLAB función dibuja números pseudoaleatorios en una distribución uniforme en el intervalo (0,1).
nTrials = 1,000;
A = 5 rand (nTrials, 1) + 5;
B = 5 rand (nTrials, 1) + 5;
El "normrnd ()" MATLAB función dibuja número pseudoaleatorio de una distribución normal.
C = normrnd (2,1, nTrials, 1);
La gama de el ángulo theta se estima entre 0 y 2 pi en un interno de 0,05.
theta = 0: 0.05: 2 * pi;
El resultado X será una matriz de dimensión nTrials por la longitud (theta).
X = (A./B) sen (theta C);
limitaciones
El método de Monte Carlo se limita a simular relaciones matemáticas que se conocen, donde la mayoría de los parámetros se pueden estimar a partir de una distribución conocida. relaciones lineales funcionan mejor, ya que el error en la estimación puede crecer muy grande en las relaciones no lineales. Las relaciones con un gran número de parámetros o rangos de grandes distribuciones pueden tardar un tiempo muy largo para estimar utilizando el método de Monte Carlo.