searchusermenu
  • 发布文章
  • 消息中心
点赞
收藏
评论
分享
原创

利用蒙特卡洛求积分的几种方法

2024-11-07 09:25:13
4
0
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)

def f(x): # 求f(x)在2-3之间的定积分
return x ** 2


def f0():
def intf(x): # 原函数
return x ** 3 / 3.0

exactVal = intf(2) - intf(0)
return exactVal


def f1():
def g(x):
return 1 / 2

def z(x): # f(x)/g(x)
return f(x) / g(x)

a = 0
b = 2
N = 10000 # 一万次实验
X = np.random.uniform(low=a, high=b, size=N) # 利用均匀分布随机生成N个区间为【a,b】的数
Y = z(X) # 带入函数f(x)计算对应y值
return np.sum(Y) / N # 计算N次结果的均值


def f2():
def g(x):
return x / 2.0

def z(x): # f(x)/g(x)
return f(x) / g(x)

a = 0
b = 2
N = 10000 # 一万次实验
X = np.random.uniform(low=a, high=b, size=N) # 利用均匀分布随机生成N个区间为【a,b】的数
Y = z(X) # 带入函数f(x)计算对应y值
return np.sum(Y) / N # 计算N次结果的均值


def f3():
def g(x):
return 3 * x * x / 8.0

def z(x): # f(x)/g(x)
return f(x) / g(x)

a = 0
b = 2
N = 10000 # 一万次实验
X = np.random.uniform(low=a, high=b, size=N) # 利用均匀分布随机生成N个区间为【a,b】的数
Y = z(X) # 带入函数f(x)计算对应y值
return np.sum(Y) / N # 计算N次结果的均值


print(f0())
print(f1())
print(f2())
print(f3())

"""
2.6666666666666665
2.642675506081223
1.980958484741736
2.666666666666666
问题: f2() 为什么会比 f1() 差一些呢? 如何痕量选择最佳的 q(x) 函数
"""
0条评论
作者已关闭评论
Top123
29文章数
3粉丝数
Top123
29 文章 | 3 粉丝
Top123
29文章数
3粉丝数
Top123
29 文章 | 3 粉丝
原创

利用蒙特卡洛求积分的几种方法

2024-11-07 09:25:13
4
0
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)

def f(x): # 求f(x)在2-3之间的定积分
return x ** 2


def f0():
def intf(x): # 原函数
return x ** 3 / 3.0

exactVal = intf(2) - intf(0)
return exactVal


def f1():
def g(x):
return 1 / 2

def z(x): # f(x)/g(x)
return f(x) / g(x)

a = 0
b = 2
N = 10000 # 一万次实验
X = np.random.uniform(low=a, high=b, size=N) # 利用均匀分布随机生成N个区间为【a,b】的数
Y = z(X) # 带入函数f(x)计算对应y值
return np.sum(Y) / N # 计算N次结果的均值


def f2():
def g(x):
return x / 2.0

def z(x): # f(x)/g(x)
return f(x) / g(x)

a = 0
b = 2
N = 10000 # 一万次实验
X = np.random.uniform(low=a, high=b, size=N) # 利用均匀分布随机生成N个区间为【a,b】的数
Y = z(X) # 带入函数f(x)计算对应y值
return np.sum(Y) / N # 计算N次结果的均值


def f3():
def g(x):
return 3 * x * x / 8.0

def z(x): # f(x)/g(x)
return f(x) / g(x)

a = 0
b = 2
N = 10000 # 一万次实验
X = np.random.uniform(low=a, high=b, size=N) # 利用均匀分布随机生成N个区间为【a,b】的数
Y = z(X) # 带入函数f(x)计算对应y值
return np.sum(Y) / N # 计算N次结果的均值


print(f0())
print(f1())
print(f2())
print(f3())

"""
2.6666666666666665
2.642675506081223
1.980958484741736
2.666666666666666
问题: f2() 为什么会比 f1() 差一些呢? 如何痕量选择最佳的 q(x) 函数
"""
文章来自个人专栏
云原生最佳实践
29 文章 | 1 订阅
0条评论
作者已关闭评论
作者已关闭评论
0
0