想当初，考研的时候要是知道有这么个好东西，计算定积分。。。开玩笑，那时候计算定积分根本没有这么简单的。但这确实给我打开了一种思路，用编程语言去解决更多更复杂的数学问题。下面进入正题。
如上图所示，计算区间[a b]上f(x)的积分即求曲线与X轴围成红色区域的面积。下面使用蒙特卡洛法计算区间[2 3]上的定积分：∫(x2+4*x*sin(x))dx
# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
def f(x):
return x**2 + 4*x*np.sin(x)
def intf
2022-05-21 16:05:18
192KB
1
分别介绍蒙特卡罗方法和拟蒙特卡罗方法解线性方程组的基本原理，并对两种方法的误差和收敛速度进行讨论．提出误差由3方面造成：截断误差、方法本身、伪随机数序列和低差异序列分布不均匀．在收敛速度方面：蒙特卡罗法的收敛速度与问题的规模和模拟路径长度无关；拟蒙特卡罗方法的收敛与问题的规模无关，但与模拟路径长度有关．经过对两种方法适用的情况进行讨论及数据测试，认为在一般情况下应选择用拟蒙特卡罗方法解线性方程组．
2022-05-20 10:31:57
335KB
1
2.坎雷渔业公司的初步分析
定义两个随机变量：
PR=岩石港的鳕鱼价格, D=停靠岩石港坎雷面临的需求量, 记F为停靠岩石港的日利润，那么有：
其中，PR~N(3.65, 0.202)，D的分布如表1所示。
更简洁的表达上面5个问题：
(a) F的概率密度函数是什么形状？
(b) P（F>1375）是多少？(c) P（F<0）是多少？
(d) F的期望值是多少？(e) F的标准差是多少？
上面5个问题均与F有关，而F是两个随机变量乘积的函数，它的分布用前面的方面不易求得，我们必须运用新的方法。
2022-05-19 16:37:47
201KB
1
电动汽车的充电负荷预测在电动汽车的推广过程中发挥着重要的作用。为了克服现有方法中部分参数设置主观、预测模型与用户随机性驾驶行为匹配欠缺的不足，将电动汽车进行细致分类，通过建立充电负荷预测影响因素的概率模型，利用概率统计学和蒙特卡洛模拟方法提出了基于时刻充电概率的负荷预测模型。利用科学分析得到的日行驶里程代替主观给定的起始电荷状态(SOC)以推导充电时长，利用更具随机性的时刻充电概率代替计算得到的充电时段来确定充电负荷。以某市为例，预测了相关电动汽车的日负荷曲线，并与常用负荷预测方法的结果进行对比，验证了所提负荷预测方法能够科学地预测用户的充电负荷，能够为电网及用户的电能管理策略提供可靠的依据。
2022-05-19 13:04:10
1.49MB
1