Universitatea POLITEHNICA din București

Facultatea de Științe Aplicate

UNIVERSIATATEA POLITEHNICA din BUCUREȘTI

Facultatea de Științe Aplicate
Master: Teoria codării și stocării informației

Metoda Monte Carlo

Metode statistice Studenti:

Lector Dr. Cristina Șerbănescu Eliade Andreea Sabrina
Florea Laura Elena
Mihăilă Cristina
Mușat Ștefan
Manole Cătălin
Seiceanu Alina Elena

București
2017
 Introducere

Sub denumirea de metode Monte Carlo sunt cuprinse o serie de tehnici de rezolvare a
diverse probleme utilizand numere aleatoare, variabile aleatoare sau procese stochastice
simulate cu calculatorul. Cu ajutorul metodelor Monte Carlo, se pot trata cu eficienta mai
multe tipuri de probleme:

 calculul integralelor;
 probleme de coliziune si difuzie;
 rezolvarea sistemelor de ecuatii liniare;
 rezolvarea problemei Dirichlet pentru ecuatii cu derivate partiale de tip eliptic, etc.
Aceste lucruri au devenit posibile odata cu descoperirea posibilitatii de a genera
numere aleatoare.

Metodele Monte-Carlo constau in simularea experimentala a problemelor matematice

pentru care se folosesc numere aleatoare in scopul gasirii solutiei (care nu au caracter aleator).

Exemple:

1. Sa se determine suprafata cercului de raza 1, adica numarul 𝜋.

Solutie:

Consideram un numar mare 𝑁 de perechi (𝑟1 , 𝑟2 ) generate aleator dupa o distributie uniforma
pe [0,1]. Fiecare astfel de pereche reprezinta un punct situat in interiorul patratului
[0,1]𝑥[0,1].

2
 Proportia p de puncte astfel incat 𝑟12 + 𝑟22 ≤ 1 tinde, daca 𝑁 → ∞, catre suprafata
𝜋
sfertului de cerc, adica 4 . In practica, insa, numarul N este finit. Ne asteptam deci ca numarul
𝜋
obtinut sa nu fie exact ci o estimare a sa (cu atat mai buna cu cat N este mai mare).
4

Experimentul arata ca daca se folosesc 45 de perechi aleatoare, 31 dintre punctele rezultate

31 𝜋
sunt in sfertul de cerc, deci 45 ≅ 0.689 este o estimare a lui ≅ 0.785. Remarcam ca
4

eroarea este de aproximativ 12%. Daca se va considera 𝑁 suficient de mare, estimarea va fi

𝜋
mai buna. Este de remarcat ca toate aceste estimari sunt in jurul lui .
4

In cele ce urmeaza, vom considera in intervalul [𝑎, 𝑏] repartitia a carei densitate de

repartitie este

1
, 𝑥 ∈ [𝑎, 𝑏]
𝑝(𝑥) = {𝑏 − 𝑎
0, 𝑥 ∈ ℝ[𝑎, 𝑏].

Reamintim ca daca variabila aleatoare X este uniform repartizata pe [𝑎, 𝑏], atunci
media 𝑀(𝑋) si dispersia 𝐷(𝑋) sunt

𝑎+𝑏 (𝑏 − 𝑎)2
𝑀(𝑋) = 𝑠𝑖 𝐷(𝑋) = .
2 12

Rationamentele se fac referitor la intervalul [0,1], prin analogie cu generatoarele fizice

de numere aleatoare existente pe calculatoarele moderne. Apoi se transforma [0,1] in [𝑎, 𝑏],
lucru care arata ca toate proprietatile din [0,1] sunt valabile in [𝑎, 𝑏].

3
4
5
6
7
8
9
Florea Laura Elena Bibliografie

Bibliografie

[1] MODELARE NUMERICA teorie si aplicatii, Mihai Postolache

10