Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Montecarlo
Montecarlo
Nmeros aleatorios
Simulacin de Distribuciones de Poisson
Simulacin de Distribuciones Generales
El mtodo de Monte Carlo en Mecnica Estadstica
Percolacin en
Percolacin en
El modelo de Ising en
El modelo de Ising en
Bibliografa
Muestreo: Muchas veces es poco prctico examinar todos los casos posibles. Un muestreo aleatorio puede revelar un comportamiento tpico.
Utilizar mquinas especficas (resistencia generadora de ruido) Ej.: ERNIE (loto inglesa) Inconvenientes: averas difcilmente detectables, imposibilidad de rehacer los clculos con idnticas secuencias
Ej:
! : multiplicador " ! #
$ : incremento " $ #
&% : semilla
"
&% #
(' )
*!
+ $-,/. 021
3
4 5
)
$
687:9 . 0
=
> ? >
> ?
! ;
<
!
$
/
,
.
0
B
1
)
3C
,/. 021
3C&D
3E8F
3GHI
&%
>
>
+
Si $
la generacin es ms rpida y la secuencia
ms corta
i)
ii)
$ es primo relativo a
M
divisor de
iii)
M es mltiplo de 4 si
es mltiplo de 4
Si
$
se cumple que
$
Th.: El mximo periodo cuando
i)
ii)
se obtiene si
( ' )
+ 8 R<) ,/. 021
*
SR F + 8 RTQT Q, . 0B1
3
5
Ejercicio: Utilizar los nmeros aleatorios para simular el decaimiento radiactivo de una muestra de ncleos. La probabilidad de que un ncleo decaiga en
W
W
#
#
U V donde U V
un tiempo U V es: N
.
Desde
hasta V , con
U V
V
W
#
U V entonDecidir si decae o no: si random#
ces el nmero de ncleos decae en una unidad
Datos:
%
W
3
W
Y X <
R
)
3 U V
Z
X R[)
3 U V
Z
* ,
V
%A\^]
6* W ,
V
100
80
60
40
20
20
40
60
80
100
120
140
160
180
200
220
240
260
280
.1e3
.5e2
.1e2
5.
0
20
40
60
80
100
120
140
160
180
200
220
240
260
280
4000
3000
2000
1000
0
20
40
60
80
100
120
140
160
180
200
220
240
260
280
300
.1e4
.1e3
.1e2
1.
20
40
60
80
100
120
140
160
180
200
220
240
260
280
Probabilidad 1 decay N
Probabilidad
U V
W
4 decays en _
c
En el lmite
`
c
*d
b e
R
,
N
U V
g
R hij 4lkm3 i ` _
,
Distribucin de Poisson
` a
U V
b
%
%
W >
R T s R<)
W > R F <
sR )
#experimentos = 1000
U V
U V
s
s
_
s
s
TESTS
P: Dada una secuencia
cientemente aleatoria?
Test Chi-cuadrado
qwv x
t q 4 Nq ,
4Nq
qwv )
Si u y y
tendremos fundadas sospechas sobre las
medidas efectuadas.
u ?
p
, grados
~ } } } }} } } }} }} }
}} } }
{ | } }} } } } } } }
}
~ } } }
} } } } } } }
{ | } }} } } } } } } } }
~ }} } }
} }
{ | } } } }} } } } }
~ } } }} }} } } }
} } } } }}
{ | } } }} } }
}
~ } }
} } } }
{ | }} }} } }} }
~ } } } } } }} }
} } }
{ | } } } }
} } } }
} }
~ } }} }} }} }
{ | } }} }
}
}}}
} } }} } }
| | | | | | | | | | | | | | | |
4 grande: 4Nrq 5
L%
Y[
!
3
)
+
$
3
D T
-Repetir 4 veces
-Representar la secuencia en un histograma, como
puntos en 2D y en 3D.
Apartado terico
Las variables t q son entradas de un histograma, como vimos antes la distribucin de probabilidad que
siguen es la de Poisson. La probabilidad de que tq
tomen los valores Yq es
g Rd *
4 Nq ,
x
qwv )
q k
g e
R 4
j
4lk
*
, j 4Nq
t
q
4
N
q
Haciendo el cambio de variable q
x
resulta u
N .
tes N ) ) + H +
x x
* ,
*
Sea el espacio p
-dimensional de los ) 3HHI3 x , .
Para 4 grande los q tienen aproximadamente distribucin normal, luego puntos en un volumen diferen
aproximadacial
IH x de tienen
6* probabilidad
*
,j ,
mente proporcional a \]
) + HH + x
La probabilidad de que x ) n
, donde slo p
son independientes es
g
R E R[)
Bw * x R[) ,
"
u
R ) ** p , j 3 j ,
g R j x R[)s [
*-* p , j ,
% x *-* p , j
* ,
Esta es la distribucin o con p
grados de liberLa probabilidad de que
tad.
* ,
*
,
3
ma
*
,
k funcin gamma
g e
R V R<) V funcin incompleta de gam%
(' )
*
D )
/
,
.
B
0
1
100
80
60
40
20
5e+08
1e+09
1.5e+09
2e+09
2e+09
1.5e+09
1e+09
5e+08
0
0
5e+08
1e+09
1.5e+09
2e+09
2e+09
1.8e+09
1.6e+09
1.4e+09
1.2e+09
1e+09
8e+08
6e+08
4e+08
2e+08
0
0
2e+08
4e+08
6e+08
8e+08
1e+09
1.2e+09
1.4e+09
1.6e+09
1.8e+09
2e+09
0
2e+08
4e+08
6e+08
8e+08
1e+09
1.2e+09
1.4e+09
1.6e+09
1.8e+09
2e+09
2e+09
1.8e+09
1.6e+09
1.4e+09
1.2e+09
1e+09
8e+08
6e+08
4e+08
2e+08
0
0
2e+08
4e+08
6e+08
8e+08
1e+09
1.2e+09
1.4e+09
1.6e+09
1.8e+09
2e+09
2e+08
6e+08
1e+09
1.4e+09
1.8e+09
Otros tests
b n +
a partir de un nmero
* b b ,
n )
, y
se
b n 5 5 b .
f(x)
x min
x max
* ,
De esta manera se puede estimar la integral de
2 * , 4 * b b n ,
4
* ,
Problemas: Funciona mal si se parece a una
delta. Casi nunca se aceptan las propuestas. Si la
funcin tiene un polo no se puede usar. Si el rango
f
f
de va desde
hasta
no se puede usar.
Tcnica de Inversin
1. Normalizar la funcin de distribucin, de modo
que sea una funcin de distribucin de probabilidad
(PDF).
2. Integrar analticamente desde el mnimo n hasta
un arbitrario. Esto es la probabilidad de que ocurra
un valor menor o igual que .
3. Igualar el resultado a un nmero aleatorio uniforme
y resolver en .
Es decir, resolver la ecuacin
*
V, V
* ,
V V
Ejemplos
* ,
1) Generar entre 0 y 4 de acuerdo con
j * ,
:
R<)
j
V
% V
3
F R[)G
V
% V
generar de acuerdo con
.
* ,
2) Generar entre 0 e
de acuerdo con
g Re
V
g R
%
3
g R
%
0 * ,
generar de acuerdo con
.
f
!
Generar 10000 valores usando
!
y
g R
"
*
,
.
* ,
Reemplazar la funcin de distribucin por una
* ,
a la que se pueda aplicar la
forma aproximada
tcnica de inversin.
* ,
meGenerar de acuerdo distribuidos segn
diante la tcnica de inversin y aceptarlos de acuerdo
*
*
,j ,.
con una probabilidad proporcional a J
f (x)
f (x)
*d
+
Ejemplo: Generar de acuerdo con ,
, j en el rango # #
. Intentadlo con la
tcnica de inversin.
* ,j * ,
La idea es que J
sea sencillo. Ele * , j Zs * ,
+ .
gimos
V con lo que J
j Z * ,
Aplicamos la tcnica de inversin a
V :
Generamos
de prueba:
)
*d
+ , y J b se
Decidimos si se acepta: si
b