Интегрирование простой функции
Это вводное упражнение по методу Монте-Карло для численного интегрирования.
Здесь мы вычислим простой интеграл \( \int_0^1 x e^{x} dx\). Точное значение равно \(1\), однако симуляция даст нам приближённый результат, поэтому ожидайте ответ, близкий к \(1\). Как было показано в видео, процесс достаточно прост. Для функции одной переменной \(f(x)\):
- Определите границы по оси X \((x_{min}, x_{max})\) и по оси Y \((\max(f(x)), \min(\min(f(x)), 0))\).
- Сгенерируйте набор равномерно распределённых точек внутри этого прямоугольника.
- Умножьте площадь прямоугольника (\((\max(f(x) - \min(f(x))\times(x_{max}-x_{min})\)) на долю точек, лежащих ниже \(f(x)\).
По завершении упражнения у вас будет готовый инструмент для вычисления определённых интегралов методом Монте-Карло.
Это упражнение является частью курса
Статистическое моделирование на Python
Инструкции к упражнению
- В функции
sim_integrate()сгенерируйте равномерно распределённые случайные числа в диапазоне отxminдоxmaxи присвойте их переменнойx. - Сгенерируйте равномерно распределённые случайные числа в диапазоне от \(\min(\min(f(x)), 0)\) до \(\max(f(x))\) и присвойте их переменной
y. - Верните долю точек, лежащих ниже \(f(x)\), умноженную на площадь прямоугольника (\((\max(f(x) - \min(f(x))\times(x_{max}-x_{min})\)).
- Наконец, с помощью лямбда-функции определите
funcкак \(x e^{x}\).
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Define the sim_integrate function
def sim_integrate(func, xmin, xmax, sims):
x = np.random.uniform(____, ____, sims)
y = np.random.uniform(____, ____, sims)
area = (max(y) - min(y))*(xmax-xmin)
result = area * sum(____(____) < abs(func(x)))/sims
return result
# Call the sim_integrate function and print results
result = sim_integrate(func = lambda x: ____, xmin = 0, xmax = 1, sims = 50)
print("Simulated answer = {}, Actual Answer = 1".format(result))