Il metodo Monte Carlo è una procedura di stima matematica per stimare la distribuzione dei parametri incogniti in una relazione , conoscendo la distribuzione dei parametri esistenti . Il metodo Monte Carlo sfrutta la potenza di calcolo per stimare casualmente combinazioni di diversi parametri di input e stimare la distribuzione di un parametri di uscita . Le operazioni vettoriali ottimizzati in MATLAB rende Monte Carlo stima semplice da programmare . Monte Carlo Method

La procedura di simulazioni Monte Carlo è questa: indovinate un set di parametri noti da una distribuzione casuale e stimare altri parametri o risultati futuri da queste congetture casuali. Quando ripetuta un numero di volte , la simulazione Monte Carlo può dare una gamma di possibilità accurata , così come la loro probabilità . Il metodo Monte Carlo è più adatto a relazioni lineari in cui solo uno dei parametri è sconosciuto.
Setup

Inizia la preparazione per una simulazione Monte Carlo , esaminando l'equazione per il rapporto che si desidera simulare . Si consideri ad esempio , "B sin A /( C theta) = X. " I parametri A, B e C devono essere conosciuti , e l'angolo theta possono essere stimati in tutto il campo da 0 a 2 pi . È necessario conoscere la gamma dei parametri A, B e C così come come i valori possibili sono distribuiti attraverso la gamma . Per esempio , A e B possono essere distribuiti uniformemente tra 5 e 10 , e C può essere distribuita normalmente intorno al 2 con una varianza pari a 1. Avrete anche bisogno di decidere il numero adeguato di prove per valutare correttamente il potenziale di distribuzione di X.
MATLAB Procedura

Il MATLAB " rand ( ) " funzione disegna numeri pseudocasuali in una distribuzione uniforme sull'intervallo ( 0,1)

nTrials = 1000; . a = 5 * rand ( nTrials , 1) + 5; b = 5 * rand ( nTrials , 1) + 5;

Il MATLAB " normrnd ( ) " funzione disegna numero pseudo-casuale da una distribuzione normale

C = normrnd ( 2,1 , nTrials , 1 ) .

il campo dell'angolo theta è stimato tra 0 e 2 pi a un interno di 0,05

teta = 0:0.05:2 * pi ; .

Il risultato sarà X essere una matrice di nTrials dimensione di lunghezza (theta ) per

X = ( a /B ) * sin ( C * theta ) .
Limitazioni

Il metodo Monte Carlo è limitato a simulare relazioni matematiche che sono conosciuti , dove la maggior parte dei parametri può essere definita una distribuzione nota . Relazioni lineari funzionano meglio , come errore di stima può crescere molto grandi relazioni non lineari . I rapporti con un gran numero di parametri o di grandi catene di distribuzione possono richiedere molto tempo per stimare con il metodo Monte Carlo .