32
Monte-Carlo meetodid 4. loeng Lihtsa juhusliku suuruse genereerimine. Juhuslike suuruste genereerimine jaotusfunktsiooni pööramise meetodil.

Monte-Carlo meetodid 4. loeng

  • Upload
    alpha

  • View
    70

  • Download
    0

Embed Size (px)

DESCRIPTION

Monte-Carlo meetodid 4. loeng. Lihtsa juhusliku suuruse genereerimine. Juhuslike suuruste genereerimine jaotusfunktsiooni pööramise meetodil. Lihtsa juhusliku suuruse (lõplik arv väärtuseid) genereerimine. P( Y = y i )= p i , i =1... k ,. Näide 1 (Bernoulli jaotus): P(Y=“surm”) = 0,1 - PowerPoint PPT Presentation

Citation preview

Page 1: Monte-Carlo meetodid 4. loeng

Monte-Carlo meetodid4. loeng

Lihtsa juhusliku suuruse genereerimine.

Juhuslike suuruste genereerimine jaotusfunktsiooni pööramise

meetodil.

Page 2: Monte-Carlo meetodid 4. loeng

Lihtsa juhusliku suuruse (lõplik arv väärtuseid) genereerimine

P(Y=yi)=pi, i=1...k, 11

k

iip

Näide 1 (Bernoulli jaotus):

P(Y=“surm”) = 0,1

P(Y=“elus”) = 0,9

Page 3: Monte-Carlo meetodid 4. loeng

Lihtsa juhusliku suuruse (lõplik arv väärtuseid) genereerimine

Sündide jaotus (2010)

Harju maakond 0,468

Hiiu maakond 0,006

Ida-Viru maakond 0,084

Jõgeva maakond 0,020

Järva maakond 0,024

Lääne maakond 0,015

Lääne-Viru maakond 0,044

Põlva maakond 0,019

Pärnu maakond 0,061

Rapla maakond 0,028

Saare maakond 0,022

Tartu maakond 0,132

Valga maakond 0,020

Viljandi maakond 0,033

Võru maakond 0,024

Page 4: Monte-Carlo meetodid 4. loeng

Lihtsa juhusliku suuruse (lõplik arv väärtuseid) genereerimine

11 pDUP

0 1

Ui

p1p1 p2

P(“Mhmh”) = p1

P(“jaja”) = p2

U1

U1 Mhmh

U2

U2 Mhmh

U3

U3 jaja

D1D2

22 pDUP

Page 5: Monte-Carlo meetodid 4. loeng

Lihtsa juhusliku suuruse (lõplik arv väärtuseid) genereerimine

1

1

i

jjp

0 1p1 p1+p2

i

jjp

1.... ....

p1 p2 pi

D1 D2 Di

Kui U sattub lõiku Di, siis genereeritakse

juhuslik suurus yi

Page 6: Monte-Carlo meetodid 4. loeng

Binoomjaotuse modelleerimine

• Soovime genereerida X ~ B(1/4, 3)

0 1

“0” “1” “2” “3”

(1-1/4)3 (1-1/4)3+ 3(1-1/4)2(1/4)

1

0

)1(i

j

jjnjn ppC

Page 7: Monte-Carlo meetodid 4. loeng

Jaotusfunktsiooni pööramise meetod

Jaotusfunktsioon

01

Page 8: Monte-Carlo meetodid 4. loeng

Jaotusfunktsiooni pööramise meetod

Jaotusfunktsioon

01

x

F(x

)

Page 9: Monte-Carlo meetodid 4. loeng

Jaotusfunktsiooni pööramise meetod

Jaotusfunktsiooni pöördfunktsioon

01

Page 10: Monte-Carlo meetodid 4. loeng

Jaotusfunktsiooni pööramise meetod

Jaotusfunktsiooni pöördfunktsioon

01

y

F 1y

Page 11: Monte-Carlo meetodid 4. loeng

Jaotusfunktsiooni pööramise meetod

10,y(x) kus ,)(1 yFxyF 10,)(:inf)(1 yyxFxyF

Jaotusfunktsiooni pöördfunktsioon

Jaotusfunktsiooni pöördfunktsioon

01

y

Page 12: Monte-Carlo meetodid 4. loeng

10,)(:inf)(1 yyxFxyF

Jaotusfunktsiooni pööramise meetod

Jaotusfunktsiooni pöördfunktsioon

Jaotusfunktsiooni pöördfunktsioon

01

y

F 1y

Page 13: Monte-Carlo meetodid 4. loeng

Jaotusfunktsiooni pööramise meetod

10,)(:inf)(1 yyxFxyF

Olgu U~U(0,1). Juhusliku suuruse F-1(U) jaotusfunktsiooniks on

)(

)()(1

xF

xFUPxUFP

Page 14: Monte-Carlo meetodid 4. loeng

Näide. Eksponentjaotus.

00

0)(

x

xexf

x

x

dttfxF )()(

Eksponentjaotus parameetriga λ (EX= 1/λ):

Jaotusfunktsioon F(x)

01

00)(

xe

xxF x

Page 15: Monte-Carlo meetodid 4. loeng

Jaotusfunktsiooni pööramine...

/)1ln()(

/)1ln(

)1ln(

1

1

1)(

1 yyF

yx

xy

ey

ey

exF

x

x

x

Page 16: Monte-Carlo meetodid 4. loeng

Kasutamine

lambda=0.2

u=runif(10000)

X=-log(1-u)/lambda

hist(X)Genereeritud arvude histogramm

x

Sa

ge

du

s

0 10 20 30 40

01

00

02

00

03

00

04

00

0

Page 17: Monte-Carlo meetodid 4. loeng

Kasutamine

lambda=0.2

u=runif(10000)

X=-log(1-u)/lambda

hist(X)Genereeritud arvude histogramm

x

Sa

ge

du

s

0 10 20 30 40

01

00

02

00

03

00

04

00

0

Page 18: Monte-Carlo meetodid 4. loeng

Selgitav näide

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

Page 19: Monte-Carlo meetodid 4. loeng

Selgitav näide

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

Page 20: Monte-Carlo meetodid 4. loeng

Selgitav näide

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

Page 21: Monte-Carlo meetodid 4. loeng

Selgitav näide

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

Page 22: Monte-Carlo meetodid 4. loeng

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

Page 23: Monte-Carlo meetodid 4. loeng

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

Page 24: Monte-Carlo meetodid 4. loeng

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

Page 25: Monte-Carlo meetodid 4. loeng

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

Page 26: Monte-Carlo meetodid 4. loeng

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

Page 27: Monte-Carlo meetodid 4. loeng

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

0 5 10 15 20 250

10

20

30

40

50

60

Page 28: Monte-Carlo meetodid 4. loeng

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

Page 29: Monte-Carlo meetodid 4. loeng

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

PU0.30.3

Page 30: Monte-Carlo meetodid 4. loeng

0 5 10 15 20 25 30

0.0

0.2

0.4

0.6

0.8

1.0

x

F(x

)

PU0.30.3

PX 1.780.3FX1.780.3

1.78

Page 31: Monte-Carlo meetodid 4. loeng

Ülesanne 1

f(x) = 2*x, kui 0<x<1, mujal 0

Kuidas genereerida antud jaotusest juhuslikke suuruseid?

Page 32: Monte-Carlo meetodid 4. loeng

Ülesanne 2

F(x) = x3, kui 0<x<1

Kuidas genereerida antud jaotusest juhuslikke suuruseid?