при интеграции функции или в сложном моделировании я видел, что метод Монте-Карло широко используется. Я спрашиваю себя, почему нельзя создать сетку точек, чтобы интегрировать функцию вместо рисования случайных точек. Не приведет ли это к более точным результатам?
monte-carlo
Александр Энгельгардт
источник
источник
Конечно, это так; однако это идет с намного большей загрузкой ЦП. Проблема возрастает, особенно во многих измерениях, где сетки становятся практически непригодными для использования.
источник
Предыдущие комментарии правы в том, что симуляцию легче использовать в многомерных задачах. Однако есть способы решить вашу проблему - взгляните на http://en.wikipedia.org/wiki/Halton_sequence и http://en.wikipedia.org/wiki/Sparse_grid .
источник
В то время как при рассмотрении метода Монте-Карло обычно используется выборка отбраковки, Марковская цепь Монте-Карло позволяет исследовать многомерное пространство параметров более эффективно, чем с использованием сетки (или выборки отклонения в этом отношении). Как MCMC может быть использован для интеграции, ясно указано в этом учебнике - http://bioinformatics.med.utah.edu/~alun/teach/stats/week09.pdf
источник
Две вещи -
Более быстрое сближение, избегая проклятия размерности. Потому что большинство точек в сетке лежат на одной гиперплоскости, не внося значительно дополнительной информации. Случайные точки равномерно заполняют N-мерное пространство. СПД еще лучше.
Иногда для методов Монте-Карло нам нужны статистически случайные точки в произвольном порядке. Упорядоченная последовательность точек сетки приведет к плохим статистическим свойствам.
источник