Ref: H.Gould e J. Tobochnik. Para integrais em uma dimensão as regras do trapezóide e de Simpson são

Documentos relacionados
Me todos Computacionais em Fı sica

Me todos Computacionais em Fı sica

Métodos Computacionais em Física

Sistemas Aleatórios. Um sistema é aleatório quando seu estado futuro só pode ser conhecido. jogar uma moeda ou um dado. decaimento de uma partícula

Renato Martins Assunção

Cálculo II (Primitivas e Integral)

Integral. Queremos calcular a integral definida I = O valor de I será associado a uma área. Veremos dois métodos (por enquanto)

Inferência para CS Modelos univariados contínuos

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad

UNIVERSIDADE FEDERAL DO ABC

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

MAP CÁLCULO NUMÉRICO (POLI) Lista de Exercícios sobre Interpolação e Integração. φ(x k ) ψ(x k ).

Testes Formativos de Computação Numérica e Simbólica

Me todos Computacionais em Fı sica

Sexta Lista: Geração de Números Pseudo-Aleatórios e Método de Monte Carlo

Sumário. 2 Índice Remissivo 11

Tiago Viana Flor de Santana

Variáveis Aleatórias Contínuas

Aproximação da Distribuição Binomial pela Distribuição Normal

Análise de dados em Fisica de Particulas

Probabilidade e Estatística

AULA 8 - Funções de variáveis aleatórias

Sabendo que f(x) é um polinômio de grau 2, utilize a formula do trapézio e calcule exatamente

Probabilidade Aula 08

Introdução à Física Computacional

Introdução aos Métodos Numéricos

Distribuições derivadas da distribuição Normal. Distribuição Normal., x real.

Noções de Simulação. Ciências Contábeis - FEA - Noturno. 2 o Semestre MAE0219 (IME-USP) Noções de Simulação 2 o Semestre / 23

AGA Análise de Dados em Astronomia I 8. Inferência Bayesiana e MCMC

Estatística I Aula 8. Prof.: Patricia Maria Bortolon, D. Sc.

6- Probabilidade e amostras: A distribuição das médias amostrais

Laboratório de Simulação Matemática. Parte 3 2

1. Converta os seguintes números decimais para sua forma binária: (a) 22 (b) 255 (c) 256 (d) 0.11 (e) (f)

Seja (X,Y) uma v.a. bidimensional contínua ou discreta. Define-se valor esperado condicionado de X para um dado Y igual a y da seguinte forma:

Variáveis Aleatórias Bidimensionais &Teoremas de Limite 1/22

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad

Equações diferenciais ordinárias

Momentos: Esperança e Variância. Introdução

Inferências bayesianas com probabilidade

( x) = a. f X. = para x I. Algumas Distribuições de Probabilidade Contínuas

Aplicações de. Integração

Métodos Quantitativos

Distribuição Gaussiana

EXERCICIOS RESOLVIDOS - INT-POLIN - MMQ - INT-NUMERICA - EDO

Funções Geradoras de Variáveis Aleatórias. Simulação Discreta de Sistemas - Prof. Paulo Freitas - UFSC/CTC/INE

1 Noções de Probabilidade

Variáveis Aleatórias Contínuas e Distribuição de Probabilidad

Introdução aos Métodos Numéricos. Instituto de Computação UFF

Cálculo das Probabilidades e Estatística I

Marina Andretta/Franklina Toledo. 25 de outubro de 2013

Modelos de Distribuição PARA COMPUTAÇÃO

Lista 1 - Cálculo Numérico - Zeros de funções

Modelagem Computacional. Parte 3 2

Probabilidade e Modelos Probabilísticos

2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.

SUMÁRIOS DE VARIÁVEIS ALEATÓRIAS CONTINUAS

Aula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias

Integrais. ( e 12/ )

UNIVERSIDADE FEDERAL DO ABC

3 3. Variáveis Aleatórias

Neste capítulo estamos interessados em resolver numericamente a equação

1 A Equação Fundamental Áreas Primeiras definições Uma questão importante... 7

3. Estimação pontual USP-ICMC-SME. USP-ICMC-SME () 3. Estimação pontual / 25

Cálculo das Probabilidades I

Estatística e Probabilidade Aula 06 Distribuições de Probabilidades. Prof. Gabriel Bádue

Distribuição Normal. Estatística Aplicada I DISTRIBUIÇÃO NORMAL. Algumas característica importantes. 2πσ

ESTATÍSTICA COMPUTACIONAL

Variáveis aleatórias. Universidade Estadual de Santa Cruz. Ivan Bezerra Allaman

5. PRINCIPAIS MODELOS CONTÍNUOS

Fundamentos de Estatística

Introdução aos Métodos Numéricos

2.1 Variáveis Aleatórias Discretas

Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas

t 2 se t 0 Determine a expansão em série de potências para a função F (x) = ( 1) n y2n (2n)!, ( 1) n t4n (2n)! (2n)! ( 1) n t4n 2 dt = ( 1) n t 4n 2 )

Espaço amostral Ω: Conjunto enumerável de todos os possíveis resultados de um experimento aleatório. um evento elementar. E = E[X j ] X j.

Distribuições Amostrais e Estimação Pontual de Parâmetros

Interpolação polinomial: Polinômio de Lagrange

Estatística II Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.

Integração por partes

Variáveis Aleatórias Discretas e Distribuição de Probabilidade

x 2 + (x 2 5) 2, x 0, (1) 5 + y + y 2, y 5. (2) e é positiva em ( 2 3 , + ), logo x = 3

Sequências e Séries Infinitas. Copyright Cengage Learning. Todos os direitos reservados.

Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Modelo Normal. Cristian Villegas

Notas de Aula de Cálculo Numérico

3 a Lista de PE Solução

Análise de Dados em Astronomia. 4. Simulações de Monte Carlo

Probabilidade e Estatística

= 2 sen(x) (cos(x) (b) (7 pontos) Pelo item anterior, temos as k desigualdades. sen 2 (2x) sen(4x) ( 3/2) 3

Testes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo

Inferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza

2. podemos solucionar problemas não somente probabilisticas, mas tambem qualquer

Estatística Básica VARIÁVEIS ALEATÓRIAS CONTÍNUAS. Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais

Instituto Tecnológico de Aeronáutica / Departamento de Matemática / 2 o Fund / a LISTA DE MAT-32

Lista de exercícios de MAT / I

Integração por frações parciais - Parte 1

Exercícios de programação

AGA Análise de Dados em Astronomia I. 2. Probabilidades

5 AULA. em Séries de Potências LIVRO. META Apresentar os principais métodos de representação de funções em séries de potências.

Simulação com Modelos Teóricos de Probabilidade

Transcrição:

Método de Monte Carlo Resolução de Integrais Ref: H.Gould e J. Tobochnik Para integrais em uma dimensão as regras do trapezóide e de Simpson são melhores, mais rápidas. A técnica de resolução de integrais por Monte Carlo é superior para integrais multidimensionais. Vamos estudar dois métodos: Hit or Miss Método da média - simples e com importance sampling Page 1

Hit or Miss Como usar um monte de pequenas pedras para medir a área de um lago? Suponha que o lago esteja dentro de um campo de área A conhecida. Se jogarmos as pedras uma a uma aleatoriamente de forma a caírem sempre dentro do campo, podemos contar quantas caem dentro do lago. Assim temos a relação: A lago A = n splash N Page 2

Temos uma função f(x) e queremos calcular a integral definida = área entre a e b. Escolhemos um retângulo de altura H e largura (b a). Sorteamos N vezes dois números aleatórios uniformemente distribuídos: a x i b y i H Contamos quantas vezes y i f(x i ) n s e temos então que H I = A n s N y f(x) a x b Page 3

Primeira Tarefa de Hoje Escreva um programa que calcule a integral I = usando o método Hit or Miss Utilize um retângulo de altura H = 1 1 1 x2 dx O número de pontos sorteados deve ser lido do teclado o valor exato da integral é π/4. imprima: o número de sorteios a diferença entre o resultado obtido com o método e o valor exato Rode o programa algumas vezes modificando o número de sorteios e observe como muda o valor da diferença Page 4

Método da Média Uma maneira de se calcular uma integral é usar um teorema do cálculo que diz: b f(x)dx = (b a) f a Como calcular a média? Se tivermos uma lista de números aleatórios uniformemente distribuídos entre a e b podemos obter a média através de: f = 1 N N f(x i ) i=1 e então: b a f(x)dx (b a) 1 N N f(x i ) i=1 Quanto maior N melhor a aproximação. Page 5

Erro no Método de Monte Carlo No exemplo dado, calculei I = 1 4 1 x 2 dx para N = 1. e obtive I N = 3.1489. O resultado exato é I = π = 3.1416. Portanto para este N, ɛ =.73. A pergunta é: Como saberemos se n = 1. atingirá a precisão desejada? Veremos que o melhor que podemos fazer é calcular a probabilidade de que o valor verdadeiro I esteja num certo intervalo centrado em I N Queremos achar σ m tal que I N tem 68% de chance de estar entre I σ m e I + σ m Page 6

Um possível chute para a estimativa do erro é o desvio padrão σ : onde f = 1 N σ 2 = f 2 f 2 N i=1 f(x i ) e f 2 = 1 N N i=1 f(x i ) 2 Repare que se f não depende de x, isto é, se a distribuição for uniforme, σ seria. Para o nosso exemplo obtemos σ =.885 que é muito diferente do valor.73 o desvio padrão não é uma boa estimativa. Já era de se esperar pois o erro deve diminuir com N e o desvio padrão não diminui. Page 7

Outra tentativa Uma maneira de se obter uma estimativa do erro é rodar algumas m vezes (experimento), cada vez com o mesmo número N de pontos. Para cada experimento obtemos o valor da média M e calculamos o desvio padrão da média com M = 1 m σ 2 m = M 2 M 2 m M j e M 2 = 1 m j=1 Como a sequência de números aleatórios é diferente, M varia para cada experimento. m j=1 M 2 j Vamos fazer 1 experimentos com N = 1. cada: Page 8

j M σ 1 3.14892.8851 2 3.13255.89865 3 3.1442.88924 4 3.146.88525 5 3.15257.88757 6 3.13972.89698 7 3.1317.897 8 3.13585.8946 9 3.13442.89746 1 3.1447.89213 Com estes valores obtemos σ m =.68 que é consistente com.73 Portanto σ m é a medida do erro O resultado fica escrito como: I n = 3.149 ±.7 para n = 1 Page 9

Este método de gerar vários experimentos para determinar σ m não é nada útil, mas pode-se mostrar que σ m σ N que se torna exato quando N Note que σ m decresce com N. Para o primeiro valor que obtivemos σ =.885 σ m =.885/ 1 =.9 que é da mesma ordem de.7 Page 1

Segunda Tarefa de Hoje Escreva um programa que calcule a integral I = 4 1 método da média. 1 x2 dx usando o Rode duas vezes o programa: 5 experimentos com N = 1 e 5 experimentos com N = 1. o valor exato da integral é π. imprima em um arquivo (tudo na mesma linha): o índice do experimento o valor da integral calculado com o método o desvio padrão da função σ = f 2 f 2 a diferenç a entre o resultado obtido com o método e o valor exato σ m = σ/ N Observe através do gnuplot se as afirmativas que fizemos sobre o erro do método se comprovam Page 11

Cria uma funcao que dado x retorna 4*sqrt(1-x*x) loop no numero de experimentos inicializa a semente loop no numero de pontos gera um numero aleatorio x entre a e b calcula f(x) calcula soma f(x) calcula soma f(x)ˆ2 fim loop calcula integral calcula sigma calcula erro da media imprime fim do loop Page 12

Importance Sampling Vimos que o erro da integral pelo método de Monte Carlo é proporcional à variância do integrando, isto é, ao quanto f(x) varia. Vamor ver uma forma de diminuir esta variância, ou em outras palavras, transformar o integrando em algo mais uniforme. Queremos calcular I = b a f(x)dx Vamos multiplicar e dividir o integrando por uma função p(x) tal que b a p(x)dx = 1 Page 13

I = b a f(x) p(x) p(x)dx Fazemos agora uma mudança de variável de x para y de forma que I = b a f(x) p(x) dy com p(x)dx = dy = y(x) = p(x)dx Se p(x) for escolhida como uma que se comporta como f(x), o integrando vai ser cte. O que estamos fazendo aqui é gerar uma distribuição de acordo com p(x). Se p(x) f(x) vamos gerar mais pontos onde f(x) é grande e pouco recurso é gasto gerando pontos onde f(x) é pequeno. Page 14

Queremos resolver I = 1 ex dx Exemplo Uma função parecida é a sua própria expansão em série de Taylor em torno de : p(x) = 1 + x I = 1 e x (1 + x) dx com dy = (1 + x)dx 1 + x y = x (1 + x )dx = x + x2 2 x 2 2 + x y = = x = 1± 1+4 1 2 y 2 1/2 = 1 ± 1 + 2y para x = = y = para x = 1 = y = 1 + 1/2 = 3/2 para que y 3/2 o sinal positivo deve ser escolhido. Então geramos um número aleatório y entre e 3/2 e calculamos I = 3/2 e 1+2y 1 1 + 2y dy Page 15

Terceira Tarefa de Hoje Escreva um programa que calcule a integral I = método da média. 1 e x2 dx usando o Use N = 1 imprima o valor da integral e o erro. Use a função peso p(x) = Ae x onde A é escolhido de forma a satisfazer 1 será p(x)dx = 1. Quando você fizer as contas verá que a integral a resolver com x = ln( y/a) 1 A A/e A e x2 +x dy Use N = 1 imprima o valor da integral e o erro. Compare com o resultado anterior. Page 16