Làm cách nào để tính gần đúng tích phân sau bằng mô phỏng MC?
Cảm ơn!
Chỉnh sửa (Một số ngữ cảnh): Tôi đang cố gắng học cách sử dụng mô phỏng để tích phân gần đúng và tôi đang thực hiện một số thực hành khi gặp một số khó khăn.
Chỉnh sửa 2 + 3 : Bằng cách nào đó tôi đã nhầm lẫn và nghĩ rằng tôi cần phải tách tích phân thành các phần riêng biệt. Vì vậy, tôi thực sự đã tìm ra nó:
n <- 15000
x <- runif(n, min=-1, max=1)
y <- runif(n, min=-1, max=1)
mean(4*abs(x-y))
2
Đó là 0,5. Vì vậy, tôi cần nhân hai số 2 để cho: 'mean (4 * abs (xy))'. Cuối cùng tôi đã nhận được nó?
—
Tên tôi
(+1) Có ! :) Bạn có thể phải đợi một vài (8?) Giờ, nhưng bạn nên cân nhắc quay lại và đặt bản chỉnh sửa của mình vào câu trả lời để những người dùng khác (như tôi) có thể nâng cấp nó. Chào mừng đến với trang web! Tôi hy vọng sẽ thấy bạn tiếp tục tham gia ở đây. Chúc mừng. :)
—
Đức hồng y
Một điểm cần nói thêm: Tôi thấy cực đại cực kỳ hữu ích cho toán học tượng trưng. Nếu tôi phải tự mình thực hiện các phép tính phân tích, tôi sẽ gặp vấn đề tương tự như @EpiGrad. Nhưng trong cực đại, bạn có thể làm
—
Karl
integrate(integrate(abs(x-y), y, -1, 1), x, -1, 1);
và nhận được câu trả lời 8/3.
Đối với người R quan tâm, mặc dù không thanh lịch ở mã cực đại được đăng bởi Karl, người ta có thể làm
—
NRH
integrate(Vectorize(function(y) integrate(function(x) abs(x-y), -1, 1)$value), -1, 1)
và lấy xấp xỉ bằng số. Sử dụng cubature gói adaptIntegrate(function(x) abs(x[1] - x[2]), c(-1, -1), c(1, 1))
có thể được sử dụng. Đây chỉ là để đưa ra một vài ý tưởng để đánh giá số các tích phân có thể có ích, chẳng hạn khi kiểm tra nếu một mô phỏng hoạt động chính xác.