参读材料二 蒙特卡罗方法

数学学习 · 爱知数学讲义

18
本章目录 · 1 节

本章导读

【参读材料二 蒙特卡罗方法】从给定模型产生大量独立同分布样本,用样本统计量估计模型的期望、概率与积分。本材料保留五个例子;本次统一固定R种子20261119顺次运行,展示实际模拟估计和蒙特卡罗标准误,不强行复刻原书未给种子的随机数值。

【基本原理与误差】若E|h(X)|<∞,强大数定律给几乎处处。若还Var(h(X))<∞,标准误可估为/√n,通常随下降。误差缩小十倍约需样本数扩大百倍。模拟方法只回答所指定模型的问题,不能借增加模拟次数消除模型偏差。

【例1 金属板面积】X~U(2.9,3.1)、Y~U(1.9,2.1),相互独立,单位米。取两个独立均匀流,X=2.9+0.2U、Y=1.9+0.2V;若误用同一U则会引入相关、改变面积分布。精确E(XY)=3×2=6平方米;Var(XY)=E(X²)E(Y²)−36,给出理论误差基准。

【R代码】set.seed(20261119)

area <- runif(10000,2.9,3.1)*runif(10000,1.9,2.1)

mean(area)

sd(area)/sqrt(length(area))

本次估计5.99517970平方米,标准误0.00207046;以均值±1.96标准误给近似蒙特卡罗区间。原书6.000762是另一随机样本的估计,不能称精确值,也不能将新估计改成原数来伪造一致性。

【例2 两阶段装配时间】X为均值1小时的指数变量,Y~N(3,1),二者独立。T=X+Y,E(T)=4小时、Var(T)=2小时²。按原模型进行模拟,正态Y仍有小概率为负;如现实必须非负,要另定截断模型并重新计算,不能只删掉负样本却仍称同一模型。

【R代码】assembly <- rexp(10000,rate=1)+rnorm(10000,mean=3,sd=1)

hist(assembly,breaks=seq(-2,18,by=0.5),freq=FALSE)

event <- assembly>3.4 & assembly<4.2

mean(event)

sqrt(mean(event)*(1-mean(event))/length(event))

03.44.281200.2
图1 两阶段独立装配总时间的一万次实际模拟密度直方图及理论密度,柱面积合计1;阴影区间为3.4~4.2小时

本次区间概率估计0.2437,标准误约0.004293。可由独立卷积精确核验:

原书该概率写成约0.62,和给定模型不一致,应改正。直方图应区分频数高度与概率密度,不能把一根柱高直接读成该区间概率。

【例3 正态平方正弦的期望】X~N(1,0.1²),求E[sin(X²)]。

【R代码】sinx <- sin(rnorm(1000,mean=1,sd=0.1)^2)

mean(sinx)

sd(sinx)/sqrt(length(sinx))

本次估计0.82490411、标准误0.00336446。这里平方须写成^2,不能沿用OCR成x2;标准差是0.1,不是0.01。还可用正态二次型复矩母函数作独立核验:

取虚部得约0.8297779114,根号取与σ²=0连续相接的支。这并非只能模拟、绝无解析核验的例子。

【例4 两独立标准正态之差的绝对值】独立、~N(0,1),则−~N(0,2),精确。

【R代码】absdiff <- abs(rnorm(1000)-rnorm(1000))

mean(absdiff)

sd(absdiff)/sqrt(length(absdiff))

本次估计1.10069849、标准误0.02621490。绝对值不能遗漏,否则差的期望为0;两组正态也不能用同一组样本相减。

【积分的均匀抽样表示】若U~U(a,b),且f可积,,估计量为。要估标准误,应将每个观测乘区间长度后再求样本标准差/√n。无限区间不能直接采用不存在的“全实轴均匀分布”。

【例5 余弦指数的积分】求。

【R代码】integral <- 2*pi*exp(cos(runif(1000,0,2*pi)))

mean(integral)

sd(integral)/sqrt(length(integral))

本次估计8.14729665、标准误0.16676764。精确值可用修正贝塞尔函数表示为2π(1)≈7.9549265210,作数值核验。原书7.75655是其特定模拟的结果,不是精确积分。

N100005.995179700.002070466.00000000P(3.4<T<4.2)100000.243700000.004293350.24495330E sin(X^2)10000.824904110.003364460.82977791E |Z1-Z2|10001.100698490.026214901.1283791710008.147296650.166767647.95492652
五个原例的固定种子模拟值、标准误和可独立核验的基准;例2另列正确区间概率

【可复现与解释】单独运行任一代码片段前重置种子,会改变后面消耗随机流的位置,因此不保证得到这里“顺次运行”的相同小数。须按五例顺序运行,保留软件版本;统计误差大小比尾数完全一致更重要。用模拟校验模型并显示误差,不能将模拟数据装作真实观测记录。