matlab蒙特卡洛法估计积分值VIP免费

实验内容：用蒙特卡洛方法估计积分值要求：（1）针对要估计的积分选择适当的概率分布设计蒙特卡洛方法；（2）利用计算机产生所选分布的随机数以估计积分值；（3）进行重复试验，通过计算样本均值以评价估计的无偏性；通过计算均方误差（针对第1类题）或样本方差（针对第2类题）以评价估计结果的精度。目的：（1）能通过MATLAB或其他数学软件了解随机变量的概率密度、分布函数及其期望、方差、协方差等；（2）熟练使用MATLAB对样本进行基本统计，从而获取数据的基本信息；（3）能用MATLAB熟练进行样本的一元回归分析。21用蒙特卡洛方法估计积分xsinxdx，e00x2dx和xy12ex2y2dxdy2的值，并将估计值与真值进行比较。1)20xsinxdxpi).x>0.分别取10个估计值h(j)，求得估计2仍是用均匀分布来估计此积分的大小，g(x)=xsinx,fx(x)=1/(值的均值p，对照积分的真实值求得估计均方误差f。Matlab程序代码如下：s=0;m=0;f=0;r=0;n=50;1h(1:10)=0;forj=1:10fori=1:na=unifrnd(0,pi/2,n,1);x=sort(a);y=pi/2*mean(x.*sin(x));s=s+y;endb=s./n;fprintf('b=%.4f\n',b);h(j)=b;s=0;m=m+b;endp=m./10z=1forj=1:10r=(h(j)-z).^2;f=f+r;endf=f./10;fprintf('f=%.6f\n',f)2结果显示f=0.000221，表明估计结果与理论值非常接近。2)I=00ex2dxx2/2edx=1/2*ex2/2x2*1/2*pi*e2x2/2dx*2*pifx(x)1/2*pi*eg(x)=ex/2*2*pifx(x)为标准正态分布的概率密度.分别取10个估计值h(j)，求得估计值的均值p，对照积分的真实值求得估计均方误差f。Matlab程序代码如下：s=0;m=0;f=0;n=50;r=0;h(1:10)=0;forj=1:10fori=1:na=normrnd(0,1,1,n);x=sort(a);z=(sqrt(2.*pi)).*exp(-x(i).^2./2);s=s+z;3endb=(s./n)./2;fprintf('b=%.4f\n',b);h(j)=b;s=0;m=m+b;endp=m./10z=sqrt(pi)./2forj=1:10r=(h(j)-z).^2;f=f+r;endf=f./10;fprintf('f=%.6f\n',f)结果如下：4结果显示估计结果与真实值的方差为f=0.00322，估计结果与真实值非常接近。3)x2y21ex2y2dxdym=10000;sum=0;n=50;D=0;X=unifrnd(-1,1,n,m);Y=unifrnd(-1,1,n,m);fori=1:na=0;forj=1:mif(X(i,j)^2+Y(i,j)^2<=1)Z(i,j)=exp(X(i,j)^2+Y(i,j)^2);a=a+Z(i,j);endendS(i)=a/m;sum=sum+S(i);endI=sum/n*4fori=1:nD=D+(S(i)*4-pi*(exp(1)-1))^2;endd=D/n512用蒙特卡洛方法估计积分exdx和02x2y2111xy44并对误dxdy的值，差进行估计。1)e01x2dx2此积分采用的是均匀分布。g(x)=ex,fx(x)=1.x>0.分别取10个估计值h(j)，求得估计值的均值p，对照积分的真实值求得估计均方误差f。Matlab程序代码如下：s=0;m=0;f=0;r=0;n=50;h(1:10)=0;forj=1:10fori=1:na=unifrnd(0,1,n,1);x=sort(a);y=exp(x(i).^2);s=s+y;endb=s./n;fprintf('b=%.4f\n',b);h(j)=b;s=0;m=m+b;endp=m./106forj=1:10r=(h(j)-p).^2;f=f+r;endf=f./9;fprintf('f=%.6f\n',f)结果如下：结果显示，误差为0.000322，以平均值作为真实值，均方误差也比较小。2)xy42211x2y2dxdyn=1000;m=100;sum=0;S=0;I=0;x=unifrnd(-2,2,m,n);y=unifrnd(-2,2,m,n);forj=1:m7s=0;fori=1:nifx(j,i)^2+y(j,i)^2<=4s=s+16/sqrt(1+x(j,i)^4+y(j,i)^2);endendS(j)=s/n;sum=sum+S(j);endI=sum/m；D=0;d=0;forj=1:mD=D+(I-S(j))^2;endd=D/(m-1)8