Tcnicas de Monte Carlo.

Breve descripcin matemtica Algunos matemticos que han contribuido a la historia del mtodo Monte Carlo Aplicaciones
volver

MTODO DE MONTE CARLO

Bajo el nombre de Mtodo de Monte Carlo o Simulacin Monte Carlo se agrupan una serie de procedimientos que analizan distribuciones de variables aleatorias usando simulacin de nmeros aleatorios. El Mtodo de Monte Carlo da solucin a una gran variedad de problemas matemticos haciendo experimentos con muestreos estadsticos en una computadora. El mtodo es aplicable a cualquier tipo de problema, ya sea estocstico o determinstico. Generalmente en estadstica los modelos aleatorios se usan para simular fenmenos que poseen algn componente aleatorio. Pero en el mtodo de Monte Carlo, por otro lado, el objeto de la investigacin es el objeto en s mismo, un suceso aleatorio o pseudo-aleatorio se usa para estudiar el modelo. A veces la aplicacin del mtodo de Monte Carlo se usa para analizar problemas que no tienen un componente aleatorio explcito; en estos casos un parmetro determinista del problema se expresa como una distribucin aleatoria y se simula dicha distribucin. Un ejemplo sera el famoso problema de las Agujas
de Bufon.

La simulacin de Monte Carlo fue creada para resolver integrales que no se pueden resolver por mtodos analticos, para resolver estas integrales se usaron nmeros aleatorios. Posteriormente se utiliz para cualquier esquema que emplee nmeros aleatorios, usando variables aleatorias con distribuciones de

probabilidad conocidas, el cual es usado para resolver ciertos problemas estocsticos y determinsticos, donde el tiempo no juega un papel importante. El mtodo fue llamado as por el principado de Mnaco por ser ``la capital del juego de azar'', al tomar una ruleta como un generador simple de nmeros aleatorios. El nombre y el desarrollo sistemtico de los mtodos de Monte Carlo data aproximadamente de 1944 con el desarrollo de la computadora electrnica. Sin embargo hay varias instancias (aisladas y no desarrolladas) en muchas ocasiones anteriores a 1944. El uso real de los mtodos de Monte Carlo como una herramienta de investigacin, viene del trabajo de la bomba atmica durante la Segunda Guerra Mundial. Este trabajo involucraba la simulacin directa de problemas probabilsticos de hidrodinmica concernientes a la difusin de neutrones aleatorios en material de fusin. An en la primera etapa de estas investigaciones, John von Neumann y Stanislao Ulam refinaron esta curiosa ``Ruleta rusa'' y los mtodos``de divisin''. Sin embargo, el desarrollo sistemtico de estas ideas tuvo que esperar el trabajo de Harris y Herman Kahn en 1948. Aproximadamente en el mismo ao, Fermi, Metropolos y Ulam obtuvieron estimadores para los valores caractersticos de la ecuacin de Schrdinger para la captura de neutrones a nivel nuclear.

Breve descripcin matemtica

La idea bsica del mtodo de Monte Carlo consiste en escribir la integral requerida como el valor esperado de alguna funcin con respecto a alguna distribucin de probabilidad, lo cual sugiere una solucin ``estadstica'' al problema de integracin. Para motivar la discusin consideremos el siguiente ejemplo. Sea todo . supongamos que existe y que se desee calcular la integral , tal que para

El valor de esta integral no es ms que el rea bajo la curva para Sea . Dicha grfica queda inscrita en el rectngulo

Entonces corresponde a la funcin de densidad (respecto a la medida de LEbesgue) de una distribucin uniforme sobre el rectngulo . La integral puede entonces estimarse simulando una muestra de y contando cuntos de estos valores caen bajo la curva . Especificamente sea

donde

es un estimador insesgado de . En efecto, cada observacin a un ensayo Bernoulli con probalbilidad de xito que . Ms an la varianza de este estimador es

corresponde , por lo

Algunos matemticos que han contribuido a la historia del mtodo Monte Carlo
1.77 A la edad de 20 Georges Buffon descubri el teorema binomial, colabor 7 con Cramer (*) en mecnica, geometra, probabilidad , teora del nmero y el clculo diferencial e integral. Su primer trabajo-carreau de Sur le jeu introdujo clculo diferencial e integral en la teora de las probabilidades, escribi Thorie de la terre Lo recuerdan la mayora, en el campo de las matemticas por un experimento de la probabilidad que realiz calculando los palillos, que una vez lanzados sobre su hombro caan sobre un piso embaldosado. Contando el nmero de ensayos, los palillos cayeron a travs de las lneas entre los azulejos. Este experimento caus mucha discusin entre los matemticos que ayudaron hacia una comprensin de la probabilidad.(*) 1.82 Guillermo Thomson Kelvin, ingres en la Universidad de Glasgow a la edad de aos. 4 En el curso 1.838-39 estudi Qumica y Astronoma, y el curso siguiente cursos de filosofa natural (hoy llamado Fsicas) en los cuales profundiz en los estudios de calor, electricidad y magnetismo. En 1.841 estudi las transformadas de Fourier para concluir un informe sobre el movimiento uniforme de calor y su conexin con la teora matemtica de la electricidad, publicado en 1.842. Los estudios de termodinmica de Kelvin, le hicieron proponer una escala absoluta de temperaturas, la cual, fue enunciada antes del principio de conservacin de la Energa, si esta se hubiera formulado antes, los estudios de Kelvin se hubieran comprendido mejor. 1.88 En 1.934, Richard Courant se incorpor en la Universidad de Nueva York, dnde 8 form un pequeo grupo de investigacin, este grupo reflej el estilo de trabajo del famoso instituto Gttinger, Alemania, dnde haba sido alumno de David Hilbert. Las investigaciones de Courant fueron de diversos tipos: mtodos finitos de la diferencia, superficies mnimas y ecuaciones diferenciales parciales. Fu pionero en publicaciones de textos matemticos y de monogrficos de alta calidad; un ejemplo "Mtodos de Fsica Matemtica" por Courant e Hilbert. Quizs es ms conocido, "posiblemente" por sus talentos cientficos de la organizacin y direccin en el instituto que lleva su nombre. Friedrichs dijo de l: "No se pueden apreciar los logros cientficos de Courant

simplemente fijndose en sus publicaciones, pues sus investigaciones no eran aisladas sino que estaba completamente interrelacionado con otros campo de la Ciencia, y adems, era la inspiracin de muchos otros trabajos de investigacin" (*) 1.88 Hyman Levy Matemtico, filsofo y humanista. Nacido en Edimburgo en una familia 9 juda ortodoxa. Educado en la escuela de George Heriot y la universidad de Edimburgo, en donde estudi matemticas y fsica. Trabaj en Alemania hasta el inicio de la primera guerra mundial, que se desplaz a Inglaterra, inicialmente en Oxford y la entonces la universidad imperial (Londres) donde lo designaron profesor de matemticas en 1923. Public en el campo de la probabilidad y de ecuaciones diferenciales, junto con varios trabajos sobre la filosofa, incluyendo el universo de Science (1932). (*) 1.90 Kurt Otto Friedrichs solucion un problema en relatividad mientras an estaba en la 1 universidad. Su disertacin en la teora de las placas elsticos fue escrita bajo la supervisin de Courant en Gttingen. Fu ayudante de Courant y ayud a la publicacin del libro de Courant y de Hilbert. Su trabajo principal trataba sobre ecuaciones diferenciales parciales en fsica matemtica. Utiliz diferencias finitas para probar la existencia de soluciones. Friedrichs tambin trabaj en la dinmica de fluidos. 1903 John Von Newman, Formo parte del grupo de los seis profesores de matemticas de instituto de estudios avanzados de Princeton junto con J.W. Alexander, A. Einstein, O. Veblen y H. Weyl, en 1.933 fu corredactor de "los anales de las matemticas" y dos aos ms tarde del "Compositio Mathematica". En 1.938 la sociedad de matemtica americana, concedi a Neumann el premio Bcher por su trabajo "Funciones y grupos casi peridicos de la memoria" publicado en dos partes en 1.934 y 1.935. Fu uno de los pioneros de la informtica haciendo contribuciones significativas al desarrollo del diseo lgico. Avanzo considerablemente la teora de los autmatas celulares. Su trabajo con el grupo de Los Alamos continu desarrollando el synergism entre las capacidades de las computadoras y las necesidades de soluciones de cmputo a los problemas nucleares relacionados con la bomba de hidrgeno. 1908 Student Funcin T , 1909 Stanilaw Marcin Ulam, solucion el problema de cmo iniciar la fusin en la bomba de hidrgeno. l tambin ide el ' mtodo de Monte Carlo ' usado extensamente en solucionar problemas matemticos usando el muestreo estadstico.

Introduccin

El metodo de monte carlo es muy usado es los lenguajes de programacin ya que se usa para hallar la probabilidad de un suceso, el trabajo que les presento explica el Metodo Monte Carlo , usado en la simulacin de la mecanica estadistica.. Esperando su sugerencia . Pedidos del libro de TRUCOS PARA PC(consta de 150 pg con trucos para Windows e internet que ni te imaginas) Monte Carlo simulacin puede inspeccionarse como un mtodo de resolver ecuaciones integrales. Considere el problema de calcular el valor medio valor funcin T(x) definido sobre un espacio : de un real-

(1) Cada valor x es una posiblemente multidimensional cantidad caracterizando el estado del sistema. La funcin f es una funcin de densidad de probabilidad (PDF) determinado la probabilidad ese que el estado del sistema yace entre x y x+dx. Una estimacin de Monte Carlo de es obtenida por dibujar al azar N muestras desde la distribucin f. Muestra desde f medios esta probabilidad de elegir un muestreo x* desde el intervalo (x,x+D x) es f(x)D x. El Monte Carlo de estimacin es dada por

(2) Este, la intratable integral, Ecuacin 1, es reemplazado por una suma finita. La estadstica bondad o fiabilidad de la estimacin depende de ambos tamao de muestreo N y la variabilidad del la estimacin T(x) que es descrita por la variancia

(3) Debajo condiciones suficientemente generales, el teorema del limite central muestra que para

grandes N, es aproximadamente una distribucin normal con significados de cero y una varianza de uno. Simblicamente:

(4)

Donde P(x) denota la probabilidad de suceso x. Por ejemplo, la probabilidad esa de el intervalo es 0.95.

yace dentro

La ecuacin 4 implica esta precisin de la estimacin aumenta con la raz cuadrado del nmero de historias. Ese, para cada dgito adicional de importancia, el nmero de historias debe aumentarse un ciento. La tctica bruta de fuerza de N creciente para mejorar precisin rpidamente alcanza el punto de cifras decrecientes. Practica las tcnicas de reduccin de varianza, discutidas en la Seccin VI, apuntadas a reducir la varianza por la unidad de calcular esfuerzo, por alterar los marcando y muestra procedimientos. 2. Implementacion practica de una simulacin de Monte Carlo Hasta ahora, la meta de este captulo ha sido desarrollar las herramientas matemticas necesitadas atacar el problema de escoger el fotn al azar las trayectorias del ncleo de dispersin (Ecuacin 20). Nosotros discutiremos ahora mtodos prcticos de generar foton historias. A. Sistema Coordenadas

El sistema coordenada para describir colisin sitios y foton vuelo de las trayectorias. Para designar la situacin espacial de sitios de la colisin r, la usual coordenada cartesiana r=(x,y,z) son usadas. Los tres cosenos directores (u,v,w) con respecto a los ejes x, y, y z constituye la anotacin ms eficaz por describir la direccin . Los cosenos directores son relativas a las coordenadas esfricas angulares usuales (donde denota el ngulo polar) por;

Una ventaja de esta anotacin es que permanece sin cambiar debajo los desplazamientos lineales S:

(38) donde r ' designa la posicin final despus de un desplazamiento S a lo largo de Usa ms acuerdo vector anotacin: (39) Ms pretenciosamente, como demostracin en las secciones siguientes, esta anotacin elimina la necesidad explcitamente evaluar tiempo - consumiendo funciones seno y coseno. 3. Descripcin matemtica del problema transporte de Foton En esta seccin, el problema de transporte se caracterizar matemticamente como una ecuacin integral tener la forma de ecuacin 1. Para este fin, ambos las formas diferenciales e originar a r.

integrales de la ecuacin transporte de Boltzmann se derivan. Esta comprensin formal del problema provee una base conceptual sana para mtodos generales crecientes de la reduccin de varianza y marcando necesidad eficiente para Monte Carlo de simulacin. A. La densidad de flujo y cantidades relacionada La distribucin de fotones dentro de un sistema de absorber y las fuentes pueden ser completamente descritas por especificar la partcula fluidez coordenada r, direccin de trayectoria y la energa del foton E. a cada espacial

es el radio dN/dA, dnde dN es el nmero de fotones que pase mediante el rea dA aline normal a y ubic a r con y . Este tiene las unidades de fotones por cm2 por la unidad de ngulo slido y energa. Si es integrado sobre todas las energas y direcciones, nosotros hemos partcula fluidez como definido por el Comisin Internacional sobre Medidas y Unidades de Radiacin (ICRU), esto es., dN/dA, el nmero de fotones: dN que entra en una esfera de la seccin de cruz de area dA se centran a r. La integracin sobre las variables y E ser indicada por los omitidos desde el argumento de . Para Simplificar el problema, la dependencia de es ignorada.

Dada la partcula fluidez, todo el otro dosimetra las cantidades de inters pueden, en el principio, se calculan. Por ejemplo, debajo condiciones deequilibrio electrnico, la dosis al mediano puede ser calculado por (5) Dnde es la masa - energa coeficiente de absorcin y Encomendar partcula de equilibrio aproximadamente existe cuando la carga en el foton partcula fuente es pequeo sobre el electrn secundario de rango. En un extendido mediano, nosotros siempre desde contorno y primario foton las fuentes, esta condicin es aproximadamente satisfecha cuando el electrn secundario de rango es pequea comparada a la foton medio - libre trayectoria. En el caso donde el medio es el aire. La ecuacin (5) es proporcional a la exposicin. El calculo de requiere tres tipos de datos elementales:

1.

La probabilidad de cada interaccin elemental procesa como una funcin de incidencia foton energa E y propiedades pertinentes del absorbentes mediano. Estos datos se tabulan desde el punto de vista de foton las secciones de cruz

, donde Z es el nmero atmico del mediano. La seccin de cruz tiene las unidades de barns/tomo (10-28 puede

m2/tomo). Equivalente, el coeficiente lineal de atenuacin usarse con unidades de m-1.

2. Para cada proceso de interaccin, la funcin de densidad de probabilidad (PDF) da la probabilidad de cada posible resultado de la interaccin especificada desde el punto de vista de esparcir ngulo y emergente foton energa E. Esta cantidad es conocido como la seccin

diferencial de cruz, . Desde y E son deterministica relacionada para todo procesos discutidos en este captulo, la anotacin diferencial doble es innecesaria en prctica .

3.

El conocimiento del PDF que gobierna el transporte de una dispersin o primario foton desde un sitio de colisin a otro. Esta distribucin, discutida en forma detallada en la Seccin IV B.I. es estrechamente relativo a la ley de atenuacin exponencial.

B. Ecuacin de transporte de Boltzmann Monte Carlo La densidad de flujo para cualquier combinacin de foton fuente y contorno condiciones es completamente determinada por el tiempo - invarianza ecuacin de transporte de Boltzmann. La derivacin heurstica siguiente se adapta desde Fano. Considere un cilindro derecho con seccin cruz rea dA y la longitud dL con este eje paralelo igual a direccin (Figura 1.). El nmero neto de fotones con la direccin y la energa E cre en el cilindro por el tiempo de unidad es

Esta diferencia es la suma de tres contribuciones: 1. La atenuacin dada por . donde S

2.
3.

Foton de fuentes y descender dentro de el volumen dadas por tiene unidades de fotones por el volumen de unidad, ngulo slido, y energa. Dispersin de fotones desde el estado en el estado diferencial cruz seccin/ longitud de trayectoria de unidad, . Dejar regido por el

y poniendo estos trminos juntos, nosotros obtenemos (6)

La ecuacin 6 es el punto de partida para un tratamiento riguroso del problema afianzado de absorber. Aunque analtico y seminumerico los mtodos que se hayan usado exitosamente para resolver la Ecuacin 6 en el caso de absorber ilimitado, simulacin de Monte Carlo ofrece un general mtodo para la solucin que involucra absorber con direccin. 1. La Forma Integral de la Ecuacin de Boltzmann La transformacin de Ecuacin 6 es la forma integral ms claramente da a conocer la naturaleza estocstica de transporte de radiacin. Nosotros iniciamos por expandir la ecuacin 6 en ordenes de dispersin:

(7) donde representa la densidad de flujo de dispersin de fotones. Para cada onden de esparcir n, la Ecuacin 6 llega a ser (8)

dnde

es la funcin delta Kronecker.

Considere ahora el problema de calcular la fuente proviniendo desde dispersin de fotones a lo largo de una lnea , donde r y se fijan y R es una variable positivo numero real. Dejar y anote que.

(9) Aplicar ecuaciones 9 a 8, son obtenidas

Integrando ambos lado a lo largo de la lnea

desde R=0 a R

Finalmente dar

(10) Estas ecuaciones simplemente afirman que la fuente nica de n de veces dispersin de fotones con la energa E y la direccin a r son (n-1) las veces que dispersin de fotones esparciendo en el estado en alguna parte a lo largo de la lnea . El exponencial trmino rinde cuentas para esos fotones que son atenuadas por el mediano antes de alcanzar r. A este punto, probar til a reformular la ecuacin de transporte desde el punto de vista de la densidad de colisin x, ms bien que la partcula fuente, (11) donde representa el nmero de fotones con el estado entrando en colisin es la densidad

por el volumen de unidad, sterioradian, energa y tiempo. Similarmente,

de fotones entrando en colisin a . Ecuacin revisar 10 desde el punto de vista de , sumando sobre todas las ordenes de esparcir, y reemplazando que la lnea integral con la integracin sobre todos de espacio por el uso de la Funcin Delta de Dirac de obtenemos , nosotros

(12) Donde es la dispersin Kernel

(13) Y .

La inspeccin de Ecuacin 13 da a conocer que es una condicional PDF, exhibicin que foton el transporte es un proceso de Markov. Que es, la probabilidad que un foton experimenta su colisin al en es dada por la transicin de probabilidad que depende solo

, el foton estado justo simplemente con anterioridad a esta(n-1) colisin. Ms es equivalente al conjunto de -espacio.

fundamentalmente, la Ecuacin 12 implica que la solucin todas posible caminatas aleatorias a travs de

2. El calculo de valores esperados En muchos casos prctico de transporte de problemas, la especificacin completa del campo de radiacin desde el punto de vista de o es innecesaria. Las cantidades tpicas de inters son la cantidad de energa depositada en un detector de una geometra y composicin especificada o el nmero de fotones transmitido mediante un superficie determinado, una barrera de proteccin de radiacin. Estas cantidades pueden describirse en nuestro formalismo por medio de una funcin que representa la contribucin relativa de un foton colisionando a cantidad de inters. El significar valor por emitido foton posible estados. a la

es dado por promediar la funcin marcar sobre todos

(14a)

(14aa) La correspondiente varianza es

(14b) En trminos de la notacin usada en la Seccin II para introducir Monte Carlo,

designa el estado del sistema donde PDF asociado del sistema es la solucin de la ecuacin integral Fredholm (14c) Como un ejemplo de un marcador funcin, considerando un detector esfrico de radio en . El T, con dar la energa depositado al detector por la masa de unidad, es centr

(15) 4. Solucin de monte Carlo de la ecuacion de boltzmann Un Monte Carlo (MC) simulacin de un sistema de fuentes y absorver involucra azar seleccin de un conjunto finito de trayectoria de fotones o "historias", desde el conjunto de toda posible trayectorias dadas por la solucin de la ecuacin de transporte de Boltzmann. Esto es entonces la posible a reemplazar la integral de Ecuacin 14 por una suma finita para obtener una estimacin estadstica de la cantidad de inters .

En su forma ms simple, MC es un juego de oportunidad, donde cada eleccin aleatoria es dictada por reglas isomorficas (formas iguales) a el elemental PDF que gobierna la absorcin y dispersin de radiacin en el sistema fsico real. Por ejemplo, considerar una isotropico (direcciones iguales, no dependen de la direccin en que se miden) la fuente de punto empotr en un absorber finito. Cada foton de la trayectoria, o historia, se genera segn el siguiente prescripcin. El primero, una trayectoria es escogido para el emitido foton por probando el isotropico emisin PDF. Prxima, distancia al prximo sitio de colisin se prueba accidentalmente desde la exponencial ley de atenuacin. Entonces, una trayectoria y la energa para la dispersin foton sacan forma la seccin normalizada

de cruz diferencial . A cada paso, el marcando funcin T, "Haga el foton interaccionar con el detector", poder ser aplicado. Este proceso de seleccionar el sitio de interaccin , dispersin energa, y la trayectoria es repetida hasta que los fotones sea absorbi completamente o escapo desde la absorcin.

A.

La Descripcin Formal De La Simulacion De Monte Carlo

Cada recorrido al azar o foton "historia" k puede ser representada por el conjunto donde cada vector simplemente antes de la colisin: (16) denota el estado del foton

Donde

,y

indica la posicin, direccin, y energa de del foton inmediatamente antes

de la colisin. El nmero , el foton de peso , es la probabilidad que el foton ha escapado absorcin durante las primeras j-1 colisiones. Cada secuencia estado claramente tiene la estructura de un Markov de Cadena, desde cada .

es escogido por muestreo la probabilidad condicional distribucin,

As, en orden a demostrar ese cada

es al azar dibujado desde el conjunto de todo posible que tienen la

trayectoria de Boltzmann, esto es suficientemente a mostrar ese forma de Ecuacin 13. Eligiendo 1. 2. determinado

, involucra las opciones aleatorias siguientes:

Asigne energa y direccin saliendo (j-1) colisin. a. j=1: Primera Colisin de foton Primario, al azar asigna una trayectoria inicial, b. funcin j sitio de origen . y, energa por muestreo la fuente distribucin de

2: Anteriormente dispersin del foton. a. sobre las magnitudes relativas de las secciones totales de cruz de compitiendo procesos ( absorcin fotoelctrico, dispersin coherente y incoherente, etc.). b. Al azar escoja el proceso de interaccin a (j-1) la colisin, basado

(17) c. d. Pruebe el PDF, definido por la cruz diferencial seccin de el proceso escogido en el Paso i), para encontrar la direccin saliendo el (j-1) colisin, esto es probando desde Calcule la energa el Ej, saliendo la (j-1) colisin desde la energa dispersin ngulo la relacin. Asigne el peso (18) probando la distribucin (ver IV.B.1) (19) saliendo el (j-1) colisin.

1.

para S, la distancia entre (j-1) y la colisin. 2. 3. 4. Encuentre el sitio de colisin rj Encuentre la contribucin de esta colisin a la cantidad de inters. Retorne al paso 1.

Desde estas elecciones aleatorias son independientes de uno otra, la probabilidad de elegir dadas es el producto de estos Individual PDFs.

(20) donde la probabilidad condicional paso 1b: denota la distribucin compuesta probada en el

(21) k=1,.....m denota el proceso de dispersin, y . es desde luego al

Anote esa Ecuacin 20 es idntico a la Ecuacin 13, estableciendo que azar sacada el muestreo desde la poblacin deseada. 5. El Monte Carlo estima de expectativa

Valora; para simulaciones que involucran bajas nmero atmico medios, un suceso fotoelctrico para todos los intentos prcticos termina la historia desde la baja-energa caractersticas de los rayos-x se absorben localmente. As, estocasticamente simula colisiones fotoelctricas representa "derrochado" calculo esfuerzo. Un comn mtodo de reduccin calculo de tiempo relativo a la muestra de la varianza (" reduccin de varianza") es eliminar efecto fotoelctrico como un posible mecanismo de interaccin y reduce el foton peso saliendo la (j-1) colisin por la probabilidad de sobrevivir fotoelctrico absorcin. Especficamente, el PE de trmino se elimina Ecuacin de forma 21 y reemplaza por Entonces . , que

(22) sumando entonces encima de todas las historias simuladas rinde estimaciones estadsticas de la verdadera media y muestra la varianza :

(23) Comparacin de Ecuaciones 23 y 14 muestra que normalizaron colisin densidad contraparte analtica de foton peso. La convergencia de la estimacin es garantizada por el teorema de lmite central. A. La Generacion De Muestreos Al Azar a es la

con M creciente

La simulacin de Monte Carlo se ha mostrada para ser una secuencia de distancia aleatoria a prxima colisin, tipo de proceso de colisin, y trayectoria y foton la energa que dejar colisin. Cada de estos pasos involucra seleccin de un muestreo x* desde la distribucin apropiada f(x). Tal algoritmo es necesariamente altamente repetitivo, como las secuencias de azar las opciones deben repetirse para cada suceso de dispersin evento en el foton historia. Los nmeros grandes de tales historias, sobre la orden de 5,000 a 500,000 deben ser simulados para obtener un intervalo de confianza suficientemente pequea sobre la respuesta final. La precisin lograble es limitada por la computadora del usuario de los recursos: disponible memoriay tiempo procesador central. Para extender estos recursos, es deseable para aumentar al mximo la eficiencia de la tcnica de muestreo empleada. La ms usualmente us digital - computadora de tcnica es la reduccin del problema, eligiendo X* desde f(x), al problema ms simple de al azar eligiendo uniformemente distribucin nmero desde el intervalo de unidad. As, la seleccin de unas secuencias de variables aleatorias equivalente a la generacin uniformemente distribuida secuencia . es

La reduccin de la muestra procesa a la generacin de uniformemente distribuida al azar variables es descrita por el fundamental teorema de lainversin: Teorema. Dejar X ser al azar variable con PDF f(X), la funcin de distribucin acumulativa (CPD) F(x), y dejar r* denotado un uniformemente distribuido nmero al azar sacado desde el intervalo de unidad. Entonces la probabilidad de elegir x* como definir por

(24) es f(x*). Permita F-1(r) denota la inversa de F(x):

Permita x*=F-1(r*),

Estas igualdades, afirman que variante uniforme r* es menos de F(y). Desde P(r*)=1 para todo r*,

es igual al valor de la probabilidad que la escogido la

Esto muestra que el conjunto de variables al azar x* tiene el mismo acumulativo distribucin de probabilidad (CPD) como el X determinado al azar variable X. El problema de azar eligiendo una de N posibilidades discretas probabilidades tal que regido por

es el caso discreto de inversin analtica. Dado un nmero aleatorio r*, la variable aleatoria se encuentra por (25) si no,

donde 6. Dispersin Compton - Monte Carlo En dispersin Compton, un foton es dispersado por un electrn en reposo, impartiendo algo de su energa al electrn. La energa, dispersin del foton, , del foton incidente es as compartidos entre la , de la cinemtica de coliciones, que puede es relacionado con la y el angulo de dispersin del foton como sigue:

, y el efecto Compton,

mostrarse que la energa del foton dispersado energa del foton incidente

(1) Donde y MeV.

La seccion transversal para la dispersin Compton, basado en el trabajo de Klein-Nishi

(2) Donde ro=2.81794*10-13cm es el radio clsico de los electrones. Esta seccin transversal ser tabulada y ploteado por NBS.

La diferencial de la seccin transversal de Klein-Nishina para dispersiones de un foton de energa a un angulo de con d de es dado por

(3) Usando la transformacin obtenemos (4) Para una energa dado del foton incidente, esta expresin tiene una funcin de densidad de probabilidad de

(5) Donde, y es l limite inferior de x. Definiendo por

la funcin densidad de probabilidad puede ser escrita como

donde y la acumulada funcin de probabilidad como

(6)

(7) La muestra de distribucin de Monte Carlo requiere soluciones de esta ecuacin para x, un numero randon igualmente distribuido en [0,1). Everett y Cashwell usan un mtodo de aproximacin la cual es mas sesillo a implementar y razonablemente exacto. Ellos aproximan la inversa de la funcin como (8) Resumiendo, la decisin a simular es basado en la total seccin transversal de Compton, y la partcula en el final estado son simulada por la muestra x de la ecu. 7 y calculando la energa y direccin de dispersin de fotones de las expresiones:

(9) El electrn retorna teniendo energa cintica de

(10) en unidades de , y el angulo de deflexin del electrn es dado por

(11) La dispersin del foton y del electrn Compton son entonces transportados como una nueva generacin de particulas.