Академический Документы
Профессиональный Документы
Культура Документы
1 Definir el dominio de valores de la variable aleatoria. 2 Generar muestreos de la variable aleatoria segun cierta densidad de probabilidad especificada. 3 Realizar calculos deterministas usando los valores de variable aleatoria resultantes del muestreo. 4 Agregar los resultados de los calculos individuales al resultado final. Metodos de Monte Carlo: Importance Sampling Rejection Sampling Metropolis-Hasting Gibbs Sampling Slice Sampling
Calculo de
Por el metodo de Monte Carlo es posible estimar el area que tiene una lnea cerrada haciendo muestreos uniformes de puntos en un cuadrado que la contenga. Si se divide la cantidad de puntos que caen en el area sobre la cantidad de puntos muestreados en total esta fraccion es igual, aproximadamente, al area de que subtiende la lnea cerrada entre el area del cuadrado en el que esta inscrita dicha lnea.
El mtodo de Monte Carlo es una tcnica numrica para calcular probabilidades y otras cantidades relacionadas, utilizando secuencias de nmeros aleatorios. Para el caso de una sola variable el procedimiento es la siguiente: Generar una serie de nmeros aleatorios, r1, r2,, rn, uniformemente distribuidos en [0,1] Usar esta secuencia para producir otra secuencia, x1, x2,, xn, distribuida de acuerdo a la pdf en la que estamos interesados. Usar la secuencia de valores x para estimar alguna propiedad de f(x). Los valores de x pueden tratarse como medidas simuladas y a partir de ellos puede estimarse la probabilidad de que los x tomen valores en una cierta regin. Formalmente un clculo MC no es otra cosa que una integracin. En general, para intgrale su ni dimensionales pueden usarse otros mtodos numricos ms optimizados. El mtodo MC es, sin embargo muy til para integraciones multidimensional
Son necesarios para proporcionarla secuencia aleatoria inicial (Uniformemente distribuida entre 0 y 1). Existen numerosos algoritmos de generacin de nmeros (pseudo)Aleatorios. En particular, las diferentes variantes de RANLUX, Disponibles en todas las bibliotecas matemticas modernas (CERN, GSL, etc.) Un ejemplo sencillo es el algoritmo MLCG (multiplicative linear congruential generator) ni +1 = (ani) mod m, ni = entero a = multiplicador m= mdulo n0 semilla