شبیه سازی کامل روش مونت کارلو برای چندین مثال متفاوت در متلب
پروژه ۷۵۸: شبیه سازی در متلب + سورس کامل متلب
خلاصه ای از کار:
در این پروژه چندین کد متفاوت به روش مونت کارلو در متلب پیاده سازی شده است. از ام فایل متلب برای این منظور استفاده شده است.
در اولین کد : استفاده از مونت کارلو برای مقایسه خطاها در توزیع یکنواخت و نرمال
در دومین کد: استفاده از مونت کارلو برای تست عملکرد یک توزیع یکنواخت
در سومین کد: تکنیک تائید و رد بروش مونت کارلو
در چهارمین کد: مونت کارلو برای حل انتگرال های چندگانه
انجام گردیده است. در ادامه به نتایج هر یک اشاره خواهیم نمود. در برنامه ها، سعی شده تا هر خط از برنامه را در خود برنامه متلب توضیح داده شود. یعنی از ابتدا تا انتهای خط برنامه توضیحات مرتبط با مفهوم و عملکرد آن آمده است.
در صورت سوال در مورد محصول و یا در صورت اشکال در اجرای شبیه سازی می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.
برخی نتایج:
نتایج کد اول:
n=100; R=5.0000; V=10.0000;
exact integral = 0.99999943;
sig2unifexact = 1.8209e+00; sigunifexact = 1.3494e+00;
sig2normexact = 5.7330e-07; signormexact = 7.5717e-04;
sunifn=1.06227859; snormn=1.00000000;
sunifnabserror=6.2279e-02%; snormnabserror=-1.0000e+00%;
sunifnrelerror=6.2279e+00%; snormnrelerror=5.7330e-05%;
sig2unifn=1.9567e+00; sig2normn=0.0000e+00;
sig2unifnabserror=1.3573e-01%; sig2normnabserror=-5.7330e-07%;
sig2unifnrelerror=7.4538e+00%; sig2normnrelerror=-1.0000e+02%;
stderrunifexact=1.3494e-01; stderrnormexact=7.5717e-05;
stderrunifn=1.3988e-01; stderrnormn=0.0000e+00;
stderrunifndiff=4.9388e-03; stderrnormndiff=-7.5717e-05;
نتایج کد دوم:
نتایج کد سوم:
نتایج کد چهارم:
Monte Carlo Multidimenstional Integration:
including Acceptance-Rejection Technique Application,
with Normal Dist. on (a,b)
and with int(F(x),x=a..b), F(x) = exp(-x.^2/2/sqrt(2pi)^nx;
Monte Carlo results in mutlidimension,
by von Neumann’’s Acceptance-Rejection technique:
Monte Carlo Mean Estmate, muhatn:
k n nx=2 nx=3 nx=4 nx=5
۱ ۱۰ ۰٫۸۰۰۰۰۰ ۱٫۰۰۰۰۰۰ ۰٫۸۰۰۰۰۰ ۰٫۶۰۰۰۰۰
۲ ۱۰۰ ۰٫۹۳۰۰۰۰ ۰٫۸۷۰۰۰۰ ۰٫۷۹۰۰۰۰ ۰٫۸۵۰۰۰۰
۳ ۱۰۰۰ ۰٫۹۰۵۰۰۰ ۰٫۸۷۱۰۰۰ ۰٫۸۳۰۰۰۰ ۰٫۷۷۸۰۰۰
۴ ۱۰۰۰۰ ۰٫۹۱۷۶۰۰ ۰٫۸۶۸۳۰۰ ۰٫۸۲۹۵۰۰ ۰٫۷۹۳۲۰۰
۵ ۱۰۰۰۰۰ ۰٫۹۰۹۱۳۰ ۰٫۸۶۸۸۷۰ ۰٫۸۲۸۷۳۰ ۰٫۷۹۰۶۷۰
۶ ۱۰۰۰۰۰۰ ۰٫۹۱۱۲۳۱ ۰٫۸۶۹۷۶۷ ۰٫۸۲۹۸۴۱ ۰٫۷۹۲۷۰۹
Monte Carlo Std Error Estmate, stderrn:
k n nx=2 nx=3 nx=4 nx=5
۱ ۱۰ ۱٫۳۳۳e-01 0.000e+00 1.333e-01 1.633e-01
۲ ۱۰۰ ۲٫۵۶۴e-02 3.380e-02 4.094e-02 3.589e-02
۳ ۱۰۰۰ ۹٫۲۷۷e-03 1.061e-02 1.188e-02 1.315e-02
۴ ۱۰۰۰۰ ۲٫۷۵۰e-03 3.382e-03 3.761e-03 4.050e-03
۵ ۱۰۰۰۰۰ ۹٫۰۸۹e-04 1.067e-03 1.191e-03 1.287e-03
۶ ۱۰۰۰۰۰۰ ۲٫۸۴۴e-04 3.366e-04 3.758e-04 4.054e-04
مجموعه: ریاضیات و محاسبات عددی, کنترل, یادگیری تقویتی