El uso de nmeros aleatorios para evaluar integrales

Una de las primeras aplicaciones de nmeros aleatorios era en el clculo de las integrales. Sea g (x) una funcin y supongamos que queramos calcular donde: ( )

Para calcular el valor de , tenga en cuenta que si U est uniformemente distribuida en (0, 1) entonces podemos expresar como: , ( )Si son independientes uniformes (0,1) variables aleatorias, lo anterior se desprende que las variables aleatorias ( ) ( ) son independientes e idnticamente distribuidas variables aleatorias con medio . Por lo tanto por la ley fuerte de los grandes nmeros, se deduce que con probabilidad 1, ( ) , ( )-

Por lo tanto, podemos aproximar mediante la generacin de un gran nmero de de nmeros aleatorios y tomando como aproximacin del valor medio de ( ). Este enfoque a las integrales de aproximacin es llamada el mtodo de Monte Carlo. Si quisiramos calcular: A continuacin, al hacer la sustitucin ( ( ) ) ( ) ( ), vemos que:

Donde ( ) ( ) (

( ,

- )(

( )

mediante la continua generacin de nmeros aleatorios y luego tomando el valor medio de h evaluados en estos nmeros aleatorios.

- ). Por lo tanto, podemos aproximar

Del mismo modo, si queramos

Se podra aplicar la sustitucin identidad ( ) ( ) ( ) , para obtener la

( ) Donde . /

( )

La utilidad del uso de nmeros aleatorios para aproximar las integrales se hace ms evidente en el caso de las integrales multidimensionales integrales. Supongamos que g es una funcin con un argumento n-dimensional y que estamos interesados en la informtica ( ) se encuentra en el hecho de que se puede

la clave del mtodo de Monte Carlo para estima expresar como la expectativa siguiente:

, (

)-

Donde independiente son uniformes (0,1) variables aleatorias, por lo tanto, si generamos k conjuntos independientes, cada uno con independiente uniforme (0,1) variables aleatorias

. . .

Entonces, ya que las variables aleatorias

, son variables aleatorias , se puede estimar por

independientes e idnticamente distribuidas con media ( ) .

Para una aplicacin de lo anterior, considere el siguiente enfoque para estimar Ejemplo 3a la estimacin de pi. Supongamos que el vector aleatorio (X, Y) se distribuye uniformemente en el cuadrado de rea 4 centrada en el origen. es decir, se trata de un punto aleatorio en la regin especificada en la figura 3,1. Consideremos ahora la probabilidad de que este punto al azar en la plaza se encuentra dentro del crculo de radio escrito 1 (ver figura 3.2). Nota que desde (x, y) se distribuye uniformemente en la cuadrado se sigue que: (-1,1) (1,1)

(-1,-1) =(0,0)

(1,-1) Figura 3.1 cuadro *( ) + * + Figura 3.2 circulo dentro del cuadro

por lo tanto, si se genera un gran nmero de puntos aleatorios en el cuadrado, la proporcin de punto que caen dentro del crculo ser de aproximadamente . Ahora bien, si X e Y son independientes y ambos se distribuyeron uniformemente sobre (-1,1), su densidad conjunta sera ( ) ( ) ( ) . = ,

ya que la funcin de densidad de (x, y) es constante en el cuadrado, lo que sigue (por definicin) que (x, y) se distribuye uniformemente en el cuadrado. Ahora bien, si U es uniforme en (0,1) entonces 2U es uniforme en (0,2) y por lo tanto 2U-1 es uniforme en (-1,1). Por lo tanto, si generar nmeros aleatorios U1 y U2, conjunto x = 2U1-1 e y = 2U2-1, y definir * Entonces , * +

Por lo tanto, se puede estimar pi / 4 por la generacin de un gran nmero de pares de nmeros aleatorios U1, U2 y estimar pi / 4 por la fraccin de pares de bruja ( ) ( ) Menor Igual 1. Por lo tanto, generadores de nmeros aleatorios se puede utilizar para generar los valores de uniforme (0,1) variables aleatorias. a partir de estos nmeros aleatorios que mostramos en los captulos 4 y 5 cmo podemos generar los valores de variables aleatorios de distribuciones

arbitrarias. Con esta capacidad para generar arbitrarias variables aleatorias que ser capaz de simular un sistema de probabilidad - es decir, que ser capaz de generar, de acuerdo con las leyes de probabilidad especficas del sistema, todas las cantidades aleatorias de este sistema a medida que evoluciona con el tiempo.

Ejercicios: 3 4 5 6 7 8 9 (
( ( ) )

+ )