简介
蒙特卡洛方法通过模拟随机数广泛的用于数值计算。
在具体介绍蒙特卡罗积分方法之前,先回顾大数定律
让 { X i } i = 1 ∞ \{X_i\}_{i=1}^∞ { Xi}i=1∞是一组独立同分布的随机变量且 E ( X i ) = μ < ∞ E(X_i)=\mu <∞ E(Xi)=μ<∞,则随着 n → ∞ n\to \infty n→∞,样本均值 X ‾ n \overline{X}_n Xn有如下的性质: X ‾ n → p μ \overline{X}_n\overset{p}{\rightarrow}\mu Xn→pμ 即样本容量充分大,样本均值接近总体均值 μ \mu μ的概率非常大。
现回顾下积分,比如:
E [ g ( X ) ] = ∫ − ∞ + ∞ g ( x ) f ( x ) d x E[g(X)]=\int_{-\infty }^{+\infty } g(x)f(x)dx E[g(X)]=∫−∞+∞g(x)f(x)dx 根据大数定律,只要 X 1 , . . . , X n X_1,...,X_n X1,...,Xn独立同分布且有密度函数 f ( x ) f(x) f(x),则随着 n → ∞ n\to\infty n→∞:
1 n ∑ i = 1 n g ( X i ) → p E [ g ( X ) ] \frac{1}{n}\sum_{i=1}^ng(X_i)\overset{p}{\rightarrow}E[g(X)] n1i=1∑<