Universitätsbibliothek Wien

Monte-Carlo-Integration

Ostermann, Lukas Franz (2017) Monte-Carlo-Integration.
Diplomarbeit, University of Vienna. Fakultät für Mathematik
BetreuerIn: Schlosser, Michael

[img] PDF-File
Alle Rechte vorbehalten / All rights reserved

Download (4Mb)
URN: urn:nbn:at:at-ubw:1-11251.35468.382165-2
URN: urn:nbn:at:at-ubw:1-11251.35468.382165-2

Link zu u:search

Abstract in German

Integrieren mithilfe des Zufalls, das ist, was die Monte-Carlo-Integration leistet. Diese Diplomarbeit beschäftigt sich sowohl mit der theoretischen als auch mit der praktischen Seite dieser speziellen Art des numerischen Integrierens. Ein besonderes Augenmerk wird dabei auf die Umsetzung dieser Integrationsmethode mit Mathematica gelegt, die im Rahmen von vielen Beispielen ausführlich erklärt wird. Die ersten beiden Kapitel bilden das Fundament für diese Arbeit. Zunächst werden einige, für diese Arbeit relevante, Ergebnisse aus der Wahrscheinlichkeitstheorie präsentiert. Die Erzeugung von Zufallszahlen und zufälligen Vektoren wird im zweiten Kapitel thematisiert. Im dritten Kapitel wird ausgehend von den beiden vorherigen Kapiteln die (naive) Monte-Carlo-Integration eingeführt. Darüberhinaus werden in diesem Hauptkapitel neben einem interessanten Spezialfall, der sogenannten hit-or-miss-Monte-Carlo-Integration, und einer weiteren Art zur Zufallszahlerzeugung, die Genauigkeit der Monte-Carlo-Integration eingehend behandelt. Im vierten Kapitel wird die Monte-Carlo-Integration mit der Trapezregel verglichen, um die Vor- und Nachteile dieser Integrationsmethode herauszuarbeiten. Während die universelle Einsetzbarkeit sicher die größte Stärke dieser Methode ist, so ist die Geschwindigkeit ihre größte Schwäche. Im fünften Kapitel wird gezeigt, wie die Monte-Carlo-Integration mithilfe von Techniken zur Varianzreduktion oder durch den Einsatz von Quasizufallszahlen beschleunigt werden kann. Abschließend wird ein Modell vorgestellt, dass es Dartspielerinnen und -spielern ermöglicht, in Abhängigkeit von ihrer Spielstärke, den optimalen Zielpunkt zu finden.

Schlagwörter in Deutsch

Monte-Carlo / numerische Integration / Trapezregel / Zufallszahlen / Mathematica / Darts / Varianzreduktion

Abstract in English

Integrating using randomness, that is what the Monte Carlo integration does. This diploma thesis deals with the theoretical and practical aspects of this special kind of numerical integration. Special attention is given to the implementation of this method of numerical integration in Mathematica, which is explained in detail using multiple examples. The first two chapters provide the foundation of the thesis. Firstly, some important results from the field of probability theory are presented. Secondly, the generation of random numbers and random vectors is discussed. In chapter three, based on the two previous chapters, (crude) Monte Carlo Integration is introduced. Additionally, an interesting special case called hit-or-miss Monte Carlo integration, a further technique to generate randomness, and the accuracy of this integration method are discussed in this main chapter. In chapter four, Monte Carlo integration and the trapezoidal rule are compared in order to identify their advantages and disadvantages. While universal applicability is certainly the greatest strength of this method, speed is its greatest weakness. Chapter five shows how Monte Carlo integration can be accelerated with variance reduction or the use of quasi-random sequences. Finally, a probabilistic model is presented which allows darts players to find the ideal spot to aim for depending on their skills.

Schlagwörter in Englisch

Monte Carlo / numerical integration / trapezoidal rule / random numbers / Mathematica / darts / variance reduction

Item Type: Hochschulschrift (Diplomarbeit)
Author: Ostermann, Lukas Franz
Title: Monte-Carlo-Integration
Subtitle: eine Einführung mit Mathematica
Umfangsangabe: 104 Seiten : Illustrationen
Institution: University of Vienna
Faculty: Fakultät für Mathematik
Studiumsbezeichnung bzw.
Universitätslehrgang (ULG):
Lehramtsstudium UF Physik UF Mathematik
Publication year: 2017
Language: ger ... Deutsch
Supervisor: Schlosser, Michael
Assessor: Schlosser, Michael
Classification: 31 Mathematik > 31.76 Numerische Mathematik
31 Mathematik > 31.70 Wahrscheinlichkeitsrechnung
31 Mathematik > 31.80 Angewandte Mathematik
AC Number: AC15001310
Item ID: 47013
(Das PDF-Layout ist ident mit der Druckausgabe der Hochschulschrift.)

Urheberrechtshinweis: Für Dokumente, die in elektronischer Form über Datennetze angeboten werden, gilt uneingeschränkt das österreichische Urheberrechtsgesetz; insbesondere sind gemäß § 42 UrhG Kopien und Vervielfältigungen nur zum eigenen und privaten Gebrauch gestattet. Details siehe Gesetzestext.

Edit item (Administrators only) Edit item (Administrators only)