• Nie Znaleziono Wyników

Całkowanie w czterech wymiarach metodą Monte Carlo

N/A
N/A
Protected

Academic year: 2021

Share "Całkowanie w czterech wymiarach metodą Monte Carlo"

Copied!
2
0
0

Pełen tekst

(1)

Całkowanie w czterech wymiarach metodą Monte Carlo

Tomasz Chwiej 20 stycznia 2014

1 Opis problemu

Naszym zadaniem jest numeryczne wyznaczenie wartości poniższej całki:

V =

∫∫

−∞d2⃗r1d2⃗r2ρ1(⃗r12(⃗r2) r12

(1) gdzie:

ρ1(⃗r1) = 1 2πσ2exp

(

−(⃗r1− ⃗R10)2 2

)

= 1

2πσ2exp (

−(x1− X10)2+ (y1− Y10)2 2

)

(2)

ρ2(⃗r2) = 1 2πσ2exp

(

−(⃗r2− ⃗R20)2 2

)

= 1

2πσ2exp (

−(x2− X20)2+ (y2− Y20)2 2

)

(3) oraz

r12=|⃗r1− ⃗r2| =(x1− x2)2+ (y1− y2)2 (4) Zauważmy że funkcje ρ1i ρ2odpowiadają iloczynom Gaussowskich rozkładów prawdopodobieństwa

ρi(x, y)→ N(Xi0, σ)· N(Yi0, σ)

wobec czego, funkcją podcałkową jest tylko wyraz 1/r12. Całkę V można więc łatwo obliczyć meto- dą Monte Carlo jeśli założymy, że współrzędne położeniowe (x1, y1, x2, y2) mają rozkład normalny N (µ, σ).

x' z' y'

x z y

r0

Rysunek 1: Funkcja ρ2(⃗r) jest przesunięta względem ρ1(⃗r) o wektor ⃗r0. Dokładną wartość całki V można wyznaczyć analitycznie:

Vdok =

√π 2σexp

(

r02 2

) I0

( r20 2

)

(5) gdzie: I0(x) jest modyfikowaną funkcją Bessel’a pierwszego rodzaju (jej wartość można wyznaczyć stosując funkcję bessi0(float x) z Numerical Recipes), a r0 jest odległością pomiędzy środkami gaussianów r0 =| ⃗R10− ⃗R20|.

1

(2)

2 Zadania do wykonania

1. Przyjmujemy σ = 1, wtedy do generowania liczb losowych o rozkładzie N (0, 1) możemy wyko- rzystać schemat Boxa-Millera:

U1, U2 ∈ (0, 1] (6)

Z1 = −2lnU1cos(2πU2) (7)

Z2 = −2lnU1sin(2πU2) (8)

Z1, Z2 ∈ N(0, 1) (9)

Uwaga: dla σ̸= 1 zmienne losowe Z1 i Z2 trzeba przeskalować - przemnożyć przez σ.

2. Należy wyznaczyć wartość numeryczną całki V metodą MC dla liczby losowań n = 10i, i = 2, 3, 4, 5 zakładając, że: ⃗R10 = (0, 0), ⃗R20= (x20, 0). Dla każdego n wartość x20 będziemy zmie- niać w zakresie od 0.0 do 6.0 z krokiem ∆x = 0.1. Numeryczną wartość całki liczymy tak:

Vn= 1 n

n i=1

ci (10)

gdzie: ci jest wartością funkcji podcałkowej dla współrzędnych losowych ⃗r1 = (x1, y1) i ⃗r2 = (x2, y2) w i-tym losowaniu. Współrzędne losujemy zgodnie z rozkładem N (0, 1). Należy pamię- tać, aby po wylosowaniu liczb pseudolosowych do x2dodać przesunięcie X20, wtedy otrzymamy rozkład przesunięty N (0, 1)→ N(X20, σ) - skalować nie trzeba bo σ = 1 Błąd wartości całki σV¯:

σV¯ =

σ2

n (11)

σ2 = 1 n

n

i=1

c2i 1 n

( n

i=1

ci )2

(12)

3. Osobno dla każdej wartości n, na jedym rysunku umieścić wykresy Vdok = f (r0) oraz Vn= f (r0) wraz z zaznaczonym błędem całkowania.

W gnuplocie wykres z błędem rysujemy przy użyciu polecenia:

plot ’100000.dat’ u 1:2:3 w yerrorbars

gdzie: 1- kolumna to współrzedna x20, 2- kolumna to wartość całki, 3 -kolumna to obliczny błąd.

4. W sprawozdaniu proszę dokonać analizy wyników oraz skomentować problem osobliwości funkcji podcałkowej.

Cytaty

Powiązane dokumenty

Rozwiązania nadal poszukujemy generując łańcuch (ciąg) sfer z jednoczesnym szacowaniem wartości potencjału w środku każdej sfery, czyli:. Zauważmy, że potencjał w środku

ZauwaŜyłem, ze znacznie praktyczniejszym sposobem oceniania prawdo- podobieństwa ułoŜenia pasjansa jest wykładanie kart, czyli eksperymentowanie z tym procesem i po prostu

Simulation of growth processes A challenge to perform such growth simulations is the large range of relevant length and time scales. The features interesting for device

Growth of rough surfaces – Stochastic differential equations The simplest time-dependent description of a stochastic surface is afforded by the Edwards–Wilkinson (EW) equation

Jeżeli G(x) jest funkcją nieujemną, wówczas minimalna wariancja estymatora ważonego jest równa 0. Należałoby jednak w takim przypadku znać wartość całki w

Wariancję etsymatora całki można zmniejszyć odpowiednio dobierając fgp. Należałoby jednak w takim przypadku znać wartość całki w mianowniku. Minimalizacja wariancji w

[r]

Możliwość umieszczenia radionuklidów w narządach lub obszarach ciała (BOMAB) ZAPEWNIENIE JAKOŚCI