Обсуждение:Метод Монте-Карло

Очевидно Править

Очевидно, что точность вычислений можно увеличить...

• Мне не очевидно!
  • Уточнил формулировку, надеюсь, теперь проще.--green_fr 15:26, 25 июня 2010 (UTC)Ответить[ответить]

Сфера использования Править

Оптимизация и управление суть области, относящиеся как к экономике, так и к математике с физикой, поэтому их упоминание в определении тавтологично, как мне кажется. Kurochka 18:19, 27 марта 2006 (UTC)Ответить[ответить]

Ну это очень спорный вопрос: например, отимизация формы крыла самолета является вполне себе физической задачей. Суть в том, что надо перебирать разные комбинации параметров крыла, рассчитывать, как оно обтекается для этого можно применять прямое моделирование методом Монте-Карло.

НО! после этого надо найти оптимальные параметры. Тупой перебор плох, и часто используют генетические алгоритмы. А они вполне себе Монте-Карло по сути.Alex Schmidt 10:02, 28 марта 2006 (UTC)Ответить[ответить]

• Ты только подтвердил моё мнение, приведя пример задачи оптимизации в физике. Оптимизации как самостоятельной области не существует, поэтому упоминать её наряду с физикой, экономикой некорректно. Нельзя утверждать, что сначала ты решаешь физическую задачу, а потом оптимизационную. Изначально формулировка твоего примера такова: оптимизация формы крыла. Это оптимизационная задача, относящаяся к физике. Если бы формулировка была такой: оптимизация величины запаса, то это была бы оптимизационная задача, относящаяся к экономике. Kurochka 11:56, 28 марта 2006 (UTC)Ответить[ответить]
  • Методы оптимизации — это раздел математики. Применением методов оптимизации занимается дисциплина "Исследование операций". В той же физике используется много всякой математики, но математика от этого не перестает быть отдельной дисциплиной. Или, по-другому: методы оптимизации применимы не только в физике, но и в других областях, причем в том же самом виде. Поэтому "методы оптимизации" — это отдельная от физики дисциплина.--Sklavit 19:20, 23 июня 2011 (UTC)Ответить[ответить]
  • Советую прочитать соответствующие немецкую и английскую статьи.

Можно еще в гугле набрать Monte Carlo optimisation тоже познавательно

Оптимизация - это в название вполне самостоятельной дисциплины. Оптимизировать можно все что угодно, Управление тоже самостоятельно, причем задачи теории упраления не входят ни в экономику, ни в физику, а математические методы являются лишь аппаратом этой науки.

Ты бы, лучше написал про применение метода в экономике, экономист же. Насколько я понял просмотрев http://www.riskglossary.com/link/monte_carlo_method.htm , там много занятного. Alex Schmidt 12:45, 28 марта 2006 (UTC)Ответить[ответить]

• Почитал немецкую и английскую статьи — в обеих нет упоминаний об оптимизации и управлении как особых областях использования ММК (en: ...with applications in video games, architecture, design, computer generated films, special effects in cinema, business, economics and other fields; в немецкой вообще нет перечня). Что касается управления как теории, оно входит в экономику под названием менеджмент; в математике есть своя теория управления, но нет самостоятельной науки «управление». Ты правильно говоришь, что «оптимизировать можно всё что угодно», но это «всё что угодно» всегда имеет отношение к какой-нибудь науке — экономика, физика, математика и т. д. Тавтология не слишком серьёзная ошибка, но всё же. Про применение метода в экономике, наверно, напишу, хотя, раз ты уже нашёл ссылку, мог бы поупражняться в переводе, а я добавлю что-нибудь. Kurochka 15:33, 28 марта 2006 (UTC)Ответить[ответить]
  • Не хочу погружаться в занудство, но в английской статье есть параграф, посвященной оптимизации стохастическими методами. А теория управления - такой большой кусок математики, что его можно и выделить. Математика - в принципе - слишком общее понятие. Наверное, правильнее написать "задач теории управления" а не "задач управления". Насчет перевода английской ссылки по методам оценки рисков - там много и не по делу, слишком подробно, а надо только перечислить несколько важнейших задач, решаемых ММК. Alex Schmidt 17:22, 28 марта 2006 (UTC)Ответить[ответить]

Перспективы Править

Вообще говоря, если статью доделать она будет сильно лучше, чем во всех остальных википедиях....

Введение в заблуждение Править

Говоря о вероятности, вводите в заблуждение. Я сначала поставил знаки вопроса в другом месте, пока не пересчитал по формуле и не убедился, что действительно количество успехов больше количества опытов. А всё потому, что речь явно не о вероятности идёт, а о математическом ожидании количества пересечений!

Мат. ожидание успеха бинарной переменной за один опыт в точности равняется вероятности успеха этой переменной. Или я чего-то не понял? К чему такое невнятное уточнение в тексте «как видно из дальнейшего контекста, речь идёт…»?--green_fr 15:36, 25 июня 2010 (UTC)Ответить[ответить]

Возможно, неточности? Править

Название метода происходит от названия города в княжестве Монако

В то же время в статье про княжество Монако сказано:

В силу своих небольших размеров Монако не имеет полноценных административно-территориальных единиц. Все княжество представляет собой единый город, управляемый общим муниципалитетом.

В городе выделяют четыре района:

* Монако (Monaco-Ville) — старый город, * Монте-Карло (Monte-Carlo) — район казино,

Также,

Для малого числа измерений интегрируемой функции производительность Монте-Карло интегрирования гораздо ниже, чем производительность детеримнистических методов.

Наверно, речь идет о детерминистических методах?

--EzPresso 17:32, 12 ноября 2007 (UTC)Ответить[ответить]

При этом статья про Монте-Карло называет его городом. Так ли в конце концов это важно? Опечатку уже исправили.--green_fr 15:42, 25 июня 2010 (UTC)Ответить[ответить]

Об Архимеде Править

Какое отношение имеет Архимед к Монте-Карло? Насколько я помню легенду, он определил объём короны, погрузив её в воду и измерив объём вытекшей жидкости. --Мышонок 09:06, 10 июля 2009 (UTC)Ответить[ответить]

• Никакого. Участник AlexandreCam убрал эту фразу. — Ace 22:47, 18 июля 2009 (UTC)Ответить[ответить]

Молекулы воды расположены в жидкости случайно и равномерно, корона имеет сложную форму. Назовите, пожалуйста, как называется метод, когда некий сложный объем вычисляют заполняя его случайными частицами и наблюдая какая их доля в этот объем не уместилась?NOwiking 20:15, 25 июля 2009 (UTC)Ответить[ответить]

• Тем не менее, к статье это никакого отношения не имеет. А задачу я знаю под названием «задачи об упаковке апельсинов».--green_fr 15:46, 25 июня 2010 (UTC)Ответить[ответить]

Точность алгоритма Бюффона для определения числа π Править

В статье описывается алгоритм Бюффона для определения числа π и приводится таблица результатов. Но возникает вопрос — как можно получить точность 5 значащих цифр за 590 бросаний? По-моему, это пример подтасовки результатов и такого рода «пример» надо заменить на что-то более реалистичное. — Ace 22:54, 18 июля 2009 (UTC)Ответить[ответить]

Более того, третья попытка странна ещё и тем, что количество пересечений больше количества бросков.

• Да, чувствуется математический подход. Потому что физик сразу скажет, что длину в импровизированных условиях невозможно измерить с точностью в несколько стотысячных. Да и нарисованные линии имеют ширину не в стотысячную долю расстояния между ними, и у иглы есть толщина - это к вопросу установления факта наличия пересечения вблизи конца иглы. Так что "при увеличении количества попыток точность получаемого результата будет увеличиваться" - только до тех пор, пока систематическая ошибка, не зависящая от числа попыток, не станет преобладающей. И в данном случае уже 3,1423 - явная, очевидная и несомненная подтасовка, не говоря о 3,1416. Можно себе представить, сколько раз капитан Фокс там всего набросал, "выздоравливая после ранения, чтобы как-то занять себя" - а предъявлены только три результата, хорошо согласующиеся с гипотезой. --Michael MM (обс.) 05:15, 18 мая 2018 (UTC)Ответить[ответить]

"Обычный" метод интегрирования Монте-Карло Править

С удивлением обнаружил, что самый обычный метод интегрирования Монте-Карло в статье не описан, а вместо него описан геометрический метод. Я добавил описание метода. CrossFlower 13:06, 17 ноября 2010 (UTC)Ответить[ответить]

Определение Править

То определение, которое я вижу сейчас - практически, ни о чём:

Ме́тод Мо́нте-Ка́рло (методы Монте-Карло, ММК) — общее название группы численных методов, основанных на получении большого числа реализаций стохастического (случайного) процесса, который формируется таким образом, чтобы его вероятностные характеристики совпадали с аналогичными величинами решаемой задачи. Используется для решения задач в различных областях физики, химии, математики, экономики, оптимизации, теории управления и др.

Неужели нет боле понятного и более энциклопедичного определения, без шифровок и сепулькария? --Nashev 14:56, 21 декабря 2012 (UTC)Ответить[ответить]

• Присоединяюсь. Метод часто упоминается по самым разным поводам, но что это такое, в чём его суть и особенность, как он позволял приемлемо прикидывать вручную то, на что не хватало первых ЭВМ - понять из статьи совершенно невозможно. Нельзя ли объяснить как-то по-человечески, чтобы было ясно не только профессионалам-математикам, но и, к примеру, выпускникам Физфака? --Michael MM (обс.) 11:07, 16 мая 2018 (UTC)Ответить[ответить]

• Переписал преамбулу. Стало лучше? — Алексей Копылов 16:14, 16 мая 2018 (UTC)Ответить[ответить]

• Спасибо! Да, теперь принципиально иначе, и понятнее.

Ради полной ясности: "...для изучения случайного процесса генерируется набор случайных значений, которые моделируют это процесс" - как значения могут моделировать процесс? Пример с расстоянием между двумя случайными точками в круге - не совсем об этом, потому что тут нет процесса. Наверное, речь с одной стороны - о некотором конкретном способе генерации, дающем определённое распределение случайной величины, а с другой - о доступном для измерения параметре, характеризующем процесс в нужном исследователю аспекте. И о том, что экспериментально устанавливается сходство распределений. И, вдобавок, способ генерации содержит некие "коэффициенты", варьирование которых влияет на распределение аналогично тому, как меняется распределение физической величины от изменения условий процесса. Всё это устанавливается эмпирически, на некоторой выборке, достаточность которой - отдельный вопрос, требующий обоснования. При этом, о способе генерации - всё, что нужно, известно, и можно изучать не процесс, а его (если это проще и удобнее). Но это модель "от балды", сугубо математическая, абсолютно не связанная с физикой процесса, и нет никакой гарантии, что при некоторых условиях (и, соответственно, "коэффициентах") распределения совпадать перестанут. (Кстати, а как решается эта проблема?) Так? --Michael MM (обс.) 10:50, 17 мая 2018 (UTC)Ответить[ответить]

• • Да, так. Я некорректно сказал. Переписал. — Алексей Копылов 21:11, 17 мая 2018 (UTC)Ответить[ответить]

вместо расчета доверяем случайностям ? Править

Правильно я понял, что суть методики Монте Карло - берем поток (генератор) случайности ("белый шум" применительно к электромагнитным волнам) и доверяем результату не вычисленному, а случайному потоку ? упрощая, имеем: какое значение имеет результат который не можем вычислить ? да случайное ! правильны ли мои выводы о сущности метода ? С уважением к сообществу, Андрей (ник Холст)

• Нет. Это тоже вычисления, гибрид статистических вычислений с детерминистическими вычислениями. "Случайный поток" генерируется не случайно, а так как надо по условиям задачи.--Determinist 21:54, 13 июня 2013 (UTC)Ответить[ответить]

Геом. метод Править

Важное дополнение: можно брать прямоугольник, верхняя и нижняя грани которого лежат выше и ниже максимума и минимума функции на данном отрезке. Проще говоря, можно раздвинуть параллельные абсцисе границы, и метод будет работать. Другое дело, что точность ухудшится. Tookser 18:11, 7 сентября 2013 (UTC)Ответить[ответить]

Связь стохастических процессов и дифференциальных уравнений Править

"В 1899 году лорд Релей показал, что одномерное случайное блуждание на бесконечной решётке может давать приближенное решение параболического дифференциального уравнения." Можно увидеть ссылку на источник? Решение дифференциального уравнения - это всегда функция, в общем случае функция с параметром, т.е. набор некоторых функций. Одномерное случайное блуждание дает какую-то случайную траекторию. Каким образом эта траектория может быть решением дифуравнения?Clothclub (обс) 07:43, 1 сентября 2014 (UTC)Ответить[ответить]

• Наверное, здесь. То есть, в книге с G. S. Fishman. Monte-Carlo Concepts, Algorithms, and Applications, 1996. ISBN 0-387-94527-X pp. 344. Цитата: «By way of historical perspective, Rayleigh (1899) shows that an unrestricted, one-dimensional discrete random walk yields an approximation to the solution of a particular parabolic differential equation.». Добавил в статью. РоманСузи (обс) 16:44, 1 сентября 2014 (UTC)Ответить[ответить]

Большое спасибо!!Clothclub (обс) 17:23, 1 сентября 2014 (UTC)Ответить[ответить]

Метод Монте-Карло <> алгоритм Метод Монте-Карло Править

Из английской Wikipedia: Monte Carlo algorithm: Not to be confused with Monte Carlo method (Алгоритм Монте-Карло: Не путайте с методом Монте-Карло). Если объясните в чём разница, могу перевести одну из этих статей. Вопрос стоит: Какую?. И не следует ли разделить эту статью на две? Jumpow (обс.) 13:45, 16 февраля 2019 (UTC)Ответить[ответить]

• Эту статью не следует разделять на две. Она соответствует en:Monte Carlo method. Метод Монте-Карло заключается в том, что мы запускаем много раз случайный процесс, чтобы узнать что-нибудь о нём, например, его матожидание. Как правило, этот метод используется, чтобы приближенно вычислить, какую-нибудь величину, например интеграл. Чем больше мы его запускаем, тем меньше ошибка мы вычисляем эту величину.
  Монте-Карло алгоритмы - это совсем другое. Это не какой-то конкретный алгоритм, а класс вероятностных алгоритмов, аналогичный классу Лас-Вегас. Поэтому перевод "Алгоритм Монте-Карло" - неверный. Нужно либо "Алгоритмы типа Монте-Карло" [1], либо Монте-Карло-алгоритмы [2]. Как правило, они решают задачу на которую ответ дискретный (например, да/нет). Скажем является ли число простым. Но при этом он может ошибаться с некоторой небольшой вероятностью. Как правило, чем больше мы его запускаем, тем меньше вероятность неправльного ответа. — Алексей Копылов 02:30, 22 февраля 2019 (UTC)Ответить[ответить]
• Я поставил перенаправление с Алгоритм Монте-Карло на небольшой подраздел статьи Класс BPP, так как они взаимосвязаны и имеют больше общего с алгоритмами Монте-Карло, чем метод Монте-Карло. Но действительно было бы уместнее написать отдельную статью по образцу en:Monte Carlo algorithm, хотя в ней и есть некоторые изъяны -- например, отсутствие выделенного формального определения, так что в случае перевода статью ещё надо будет дорабатывать. --Adamant.pwn (обс.) 19:41, 22 июля 2019 (UTC)Ответить[ответить]
  • Это хорошо, только тогда нужно множественное число: так как это класс алгоритмов, а не конкретный алгоритм. Я сделал такое же перенаправление Алгоритмы Монте-Карло. — Алексей Копылов 23:25, 24 июля 2019 (UTC)Ответить[ответить]