Você está na página 1de 53

Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Método de Monte Carlo

CEFET-RJ
Prof. Allan Jonathan

28/09/2017

Métodos Estatı́sticos 1
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Conteúdo

1 Introdução

2 Integração por Monte Carlo

3 Método da Transforma Inversa

4 Referências

Métodos Estatı́sticos 2
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Introdução

Métodos Estatı́sticos 3
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Introdução

A aleatoriedade dos métodos de simulação se baseiam na geração de


uma sequência de variáveis aleatórias independentes X1 , X2 , . . . , Xn
uniformemente distribuı́das no intervalo [0, 1].

Designa-se por método de Monte Carlo qualquer método estatı́stico


que se baseia em amostragens aleatórias massivas para obter resul-
tados numéricos.

O método de simulação Monte Carlo é utilizado para o cálculo de in-


tegrais, mas principalmente como ferramenta para simularmos com-
portamentos estocásticos, como por exemplo, em estudos da biolo-
gia, fı́sica e mercado financeiro.

Métodos Estatı́sticos 4
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Introdução

A aleatoriedade dos métodos de simulação se baseiam na geração de


uma sequência de variáveis aleatórias independentes X1 , X2 , . . . , Xn
uniformemente distribuı́das no intervalo [0, 1].

Designa-se por método de Monte Carlo qualquer método estatı́stico


que se baseia em amostragens aleatórias massivas para obter resul-
tados numéricos.

O método de simulação Monte Carlo é utilizado para o cálculo de in-


tegrais, mas principalmente como ferramenta para simularmos com-
portamentos estocásticos, como por exemplo, em estudos da biolo-
gia, fı́sica e mercado financeiro.

Métodos Estatı́sticos 5
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Introdução

A aleatoriedade dos métodos de simulação se baseiam na geração de


uma sequência de variáveis aleatórias independentes X1 , X2 , . . . , Xn
uniformemente distribuı́das no intervalo [0, 1].

Designa-se por método de Monte Carlo qualquer método estatı́stico


que se baseia em amostragens aleatórias massivas para obter resul-
tados numéricos.

O método de simulação Monte Carlo é utilizado para o cálculo de in-


tegrais, mas principalmente como ferramenta para simularmos com-
portamentos estocásticos, como por exemplo, em estudos da biolo-
gia, fı́sica e mercado financeiro.

Métodos Estatı́sticos 6
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Introdução

A técnica conhecida como Monte Carlo surgiu através de traba-


lhos de diversos matemáticos. Stanislaw Ulam, matemático polonês
que participou do Projeto Manhattan, propôs o ”desenho de Teller-
Ulam”: um desenho que é usado em armas nucleares com potências
de megatoneladas, sendo coloquialmente referido como ”o segredo
da bomba de hidrogénio”.
Enquanto em Los Alamos, sugeriu o método Monte Carlo para ava-
liar integrais matemáticas complicadas que surgem na teoria de
reações nucleares em cadeia. Esta sugestão levou ao desenvolvi-
mento do método de simulação Monte Carlo por Von Neumann,
Metropolis e outros.
O nome Monte Carlo surgiu pelo alusão de uma de suas principais
caracterı́sticas, a aleatoriedade com o que ocorre em cassinos (como
o de Monte Carlo) cotidianamente em jogos como a roleta.
Métodos Estatı́sticos 7
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Introdução

A técnica conhecida como Monte Carlo surgiu através de traba-


lhos de diversos matemáticos. Stanislaw Ulam, matemático polonês
que participou do Projeto Manhattan, propôs o ”desenho de Teller-
Ulam”: um desenho que é usado em armas nucleares com potências
de megatoneladas, sendo coloquialmente referido como ”o segredo
da bomba de hidrogénio”.
Enquanto em Los Alamos, sugeriu o método Monte Carlo para ava-
liar integrais matemáticas complicadas que surgem na teoria de
reações nucleares em cadeia. Esta sugestão levou ao desenvolvi-
mento do método de simulação Monte Carlo por Von Neumann,
Metropolis e outros.
O nome Monte Carlo surgiu pelo alusão de uma de suas principais
caracterı́sticas, a aleatoriedade com o que ocorre em cassinos (como
o de Monte Carlo) cotidianamente em jogos como a roleta.
Métodos Estatı́sticos 8
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Introdução

Como dito anteriormente, os métodos de simulação estocástica são


baseados na habilidade de geração e números aleatórios que repre-
sentam uma variável aleatória distribuı́da uniformemente em [0, 1].
Na prática, não é possı́vel gerar de forma realmente aleatória valores
de uma distribuição uniforme, entretanto, é possı́vel gerar, de forma
determinı́stica, uma sequência de valores que parecem ser aleatórios
e uniformemente distribuı́dos no intervalo [0, 1]. Neste sentido, ge-
ramos o que são conhecidos por números pseudo-aleatórios.

Obs: Pesquisar sobre ”O algoritmo congruencial multiplicativo”.

Métodos Estatı́sticos 9
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Introdução

Como dito anteriormente, os métodos de simulação estocástica são


baseados na habilidade de geração e números aleatórios que repre-
sentam uma variável aleatória distribuı́da uniformemente em [0, 1].
Na prática, não é possı́vel gerar de forma realmente aleatória valores
de uma distribuição uniforme, entretanto, é possı́vel gerar, de forma
determinı́stica, uma sequência de valores que parecem ser aleatórios
e uniformemente distribuı́dos no intervalo [0, 1]. Neste sentido, ge-
ramos o que são conhecidos por números pseudo-aleatórios.

Obs: Pesquisar sobre ”O algoritmo congruencial multiplicativo”.

Métodos Estatı́sticos 10
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Métodos Estatı́sticos 11
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Para integrais em uma dimensão as regras do trapézio e de Simpson


são melhores, mais rápidas. A técnica de resolução de integrais por
Monte Carlo é superior para integrais multidimensionais.

Veremos dois métodos:


Hit or Miss
Método da média

Métodos Estatı́sticos 12
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Para integrais em uma dimensão as regras do trapézio e de Simpson


são melhores, mais rápidas. A técnica de resolução de integrais por
Monte Carlo é superior para integrais multidimensionais.

Veremos dois métodos:


Hit or Miss
Método da média

Métodos Estatı́sticos 13
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Método Hit or Miss

Uma integração de uma equação pelo método Hit or Miss consiste


em analisar uma amosta de uma distribuição de pontos que proba-
bilisticamente está contido na área abaixo da curva da equação de
interesse.

Pragmaticamente observemos a figura a seguir, temos uma equação


quadrática centrada em zero. O que desejamos obter é a integral
desta equação nos intervalos xi e xf .

Métodos Estatı́sticos 14
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Método Hit or Miss

Uma integração de uma equação pelo método Hit or Miss consiste


em analisar uma amosta de uma distribuição de pontos que proba-
bilisticamente está contido na área abaixo da curva da equação de
interesse.

Pragmaticamente observemos a figura a seguir, temos uma equação


quadrática centrada em zero. O que desejamos obter é a integral
desta equação nos intervalos xi e xf .

Métodos Estatı́sticos 15
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Métodos Estatı́sticos 16
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

O método de Monte Carlo nos leva à seguinte relação:

Área abaixo da curva I Número de acertos


= =
Área abaixo do quadrado (xf − xi )(yf − yi ) Tentativas

Número de acertos Cı́rculos preenchidos


=
Tentativas Cı́rculos preenchidos+não preenchidos

Métodos Estatı́sticos 17
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Assim,

Número de acertos
I = (xf − xi )(yf − yi )
Tentativas
Cada ponto (x, y ) sorteado deve estar contido dentro do quadrado
maior onde xi ≤ x ≤ xf e yi ≤ y ≤ yf . Para o que chamamos de
número de acertos, o ponto sorteado além de satisfazer a condição
anterior deve satisfazer também a condição de y ≤ f (x), este ponto
seria representado pelo cı́rculo preenchido. Para todo ponto cujo
y > f (x) o ponto estaria sendo representado pelos cı́rculo abertos.

Métodos Estatı́sticos 18
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Assim,

Número de acertos
I = (xf − xi )(yf − yi )
Tentativas
Cada ponto (x, y ) sorteado deve estar contido dentro do quadrado
maior onde xi ≤ x ≤ xf e yi ≤ y ≤ yf . Para o que chamamos de
número de acertos, o ponto sorteado além de satisfazer a condição
anterior deve satisfazer também a condição de y ≤ f (x), este ponto
seria representado pelo cı́rculo preenchido. Para todo ponto cujo
y > f (x) o ponto estaria sendo representado pelos cı́rculo abertos.

Métodos Estatı́sticos 19
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Seja então o seguinte algoritmo para uma função f (x) a qual que-
remos calcular a integral definida entre a e b:
Escolhemos um retângulo de altura H e largura (b − a)
Sorteamos N vezes dois números aleatórios uniformemente
distribuı́dos:
a ≤ xi ≤ b 0 ≤ yi ≤ H
Contamos o número de vezes ns que yi ≤ f (xi )
Por fim temos então que
A ns
I =
N

Métodos Estatı́sticos 20
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Exemplo 1
Z 1
dx π
I = 2
= = 0.78540
0 1+x 4

Métodos Estatı́sticos 21
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Código Matlab para resolver o problema anterior:

1 j = 0;
2 N=1000;
3 for i =1:N
4 x = rand;
5 y = rand;
6 if (y<(1/(1+xˆ2)))
7 j=j+1;
8 end
9 end
10 I = (j/N)*(1)*(1)

Métodos Estatı́sticos 22
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Exemplo 2
Outra possibilidade é estimar o valor de π, considerando um qua-
drado de lado 2 e dentro desse quadrado uma circunferência de raio
igual a 1. Assim

Área do Cı́rculo π12 π


= =
Área do Quadrado 2∗2 4

O que nos leva a concluir que

4*Número de acertos
= π =?
Número de tentativas

Métodos Estatı́sticos 23
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo


Lembrar que a2 + b 2 = c 2

Métodos Estatı́sticos 24
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Métodos Estatı́sticos 25
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Código Matlab para resolver o problema anterior:

1 a=−1;
2 b=1;
3 j = 0;
4 N=100;
5 for i =1:N
6 x = a + (b−a).*rand;
7 y = a + (b−a).*rand;
8 if ((xˆ2+yˆ2)<1)
9 j=j+1;
10 end
11 end
12 I = (j/N)*(2)*(2)

Métodos Estatı́sticos 26
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Método das médias

Considere o problema de se calcular


Z 1
θ= g (x)dx.
0

Métodos Estatı́sticos 27
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

A fim de calcular esta integral, observamos que, se U é uma variável


aleatória distribuı́da uniformemente no intervalo [0, 1], isto é, U ∼
U[0, 1], então sua função densidade de probabilidade fU é dada por

1, se x ∈ [0, 1]
fU (x) = 11{0≤x≤1} (x) =
0, caso contrário

Métodos Estatı́sticos 28
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Além disso, o valor esperado de U é calculado por


Z 1 Z 1
E(U) = xfU (x)dx = xdx.
0 0
Em particular, temos que a variável aleatória g (U) tem valor es-
perado dado por
Z 1 Z 1
E[g (U)] = g (x)fU (x)dx = g (x)dx = θ.
0 0
Note que g (U) é uma Função de Variável Aleatória!

Métodos Estatı́sticos 29
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Além disso, o valor esperado de U é calculado por


Z 1 Z 1
E(U) = xfU (x)dx = xdx.
0 0
Em particular, temos que a variável aleatória g (U) tem valor es-
perado dado por
Z 1 Z 1
E[g (U)] = g (x)fU (x)dx = g (x)dx = θ.
0 0
Note que g (U) é uma Função de Variável Aleatória!

Métodos Estatı́sticos 30
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Além disso, o valor esperado de U é calculado por


Z 1 Z 1
E(U) = xfU (x)dx = xdx.
0 0
Em particular, temos que a variável aleatória g (U) tem valor es-
perado dado por
Z 1 Z 1
E[g (U)] = g (x)fU (x)dx = g (x)dx = θ.
0 0
Note que g (U) é uma Função de Variável Aleatória!

Métodos Estatı́sticos 31
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Portanto, se U1 , . . . , Un são variáveis aleatórias independentes e


uniformemente distribuı́das em [0, 1], então g (U1 ), . . . , g (Un ) são
variáveis aleatórias independentes com média θ. Desta forma
n
X g (Ui )
→ E [g (U)] = θ
n
i=1

quando n → ∞ com probabilidade 1.


Isto é, a integral de g (x), é igual a média da função de uma variável
aleatória g (U) quando U ∼ [0, 1].

Métodos Estatı́sticos 32
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Portanto, se U1 , . . . , Un são variáveis aleatórias independentes e


uniformemente distribuı́das em [0, 1], então g (U1 ), . . . , g (Un ) são
variáveis aleatórias independentes com média θ. Desta forma
n
X g (Ui )
→ E [g (U)] = θ
n
i=1

quando n → ∞ com probabilidade 1.


Isto é, a integral de g (x), é igual a média da função de uma variável
aleatória g (U) quando U ∼ [0, 1].

Métodos Estatı́sticos 33
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Podemos aproximar θ a partir da geração de uma grande quantidade


de números aleatórios U1 , U2 , . . . , Un com distribuição uniforme em
[0, 1] e então, calcular a aproximação como sendo a média
n
X g (Ui )
θ̂n = .
n
i=1
Desta forma,
R1 o seguinte algoritmo pode ser utilizado para o cálculo
de θ = 0 g (x)dx.
Calcular n números aleatórios U1 , U2 , . . . , Un uniformemente
distribuı́dos em [0, 1] utilizando o método do gerador
congruencial (ou outro).
Calcular g (U1 ), g (U2 ), . . . , g (Un ).
Calcular a média desses valores.
Métodos Estatı́sticos 34
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Podemos aproximar θ a partir da geração de uma grande quantidade


de números aleatórios U1 , U2 , . . . , Un com distribuição uniforme em
[0, 1] e então, calcular a aproximação como sendo a média
n
X g (Ui )
θ̂n = .
n
i=1
Desta forma,
R1 o seguinte algoritmo pode ser utilizado para o cálculo
de θ = 0 g (x)dx.
Calcular n números aleatórios U1 , U2 , . . . , Un uniformemente
distribuı́dos em [0, 1] utilizando o método do gerador
congruencial (ou outro).
Calcular g (U1 ), g (U2 ), . . . , g (Un ).
Calcular a média desses valores.
Métodos Estatı́sticos 35
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Exemplo 3
Calcular uma aproximação para a integral
Z 1
θ= sen(x)dx.
0
Analiticamente, temos que o valor exato para θ é dado por

Z 1 1
θ = sen(x)dx = − cos(x)

0 0
= − cos(1) + cos(0) = −0, 5403023 + 1
= 0, 4596977.

Métodos Estatı́sticos 36
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Exemplo 3
Aplicando o algoritmo acima para calcular uma aproximação para
θ, esperamos que, conforme n cresça, o resultado se aproxime do
verdadeiro valor. Os resultados são os seguintes:

Tabela 1

100 0,4727
1.000 0,4646
10.000 0,4637
100.000 0,4601

Métodos Estatı́sticos 37
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo


Para o caso mais geral, em que precisamos calcular a integral
Z b
θ= g (x)dx
a
em que os limites de integração não são, necessariamente, 0 e 1, é
necessário realizar a seguinte substituição de variáveis

x −a dx
y= ⇒ dy =
b−a b−a
e, portanto,

Z b Z 1 Z 1
θ= g (x)dx = (b − a)g (a + y (b − a))dy = h(y )dy
a 0 0

Métodos Estatı́sticos 38
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

O
R bseguinte algoritmo pode ser utilizado para o cálculo de θ =
a g (x)dx.
Calcular n números aleatórios U1 , U2 , . . . , Un uniformemente
distribuı́dos em [0, 1] utilizando o método do gerador
congruencial.
Calcular os valores Yi = (b − a)g (a + Ui (b − a)) com
i = 1, . . . , n.
Calcular a média dos valores Yi com i = 1, . . . , n.

Métodos Estatı́sticos 39
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Exemplo 4
Calcular a integral
Z 7
θ= x 3 dx.
3
Resolvendo de forma analı́tica, temos que
Z 7
3 x 4 7
θ= x dx = = 580.
3 4 3

Métodos Estatı́sticos 40
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

Exemplo 4
Utilizando o algoritmo acima para a aproximação da integral temos,
para diversos valores de n, os resultados obtidos são dados na tabela
abaixo.

100 590,211
1.000 585,26
10.000 582,569
100.000 580,387

Métodos Estatı́sticos 41
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

De forma análoga a anterior, quando queremos calcular a integral


imprópria
Z ∞
θ= g (x)dx,
0
basta aplicar a seguinte substituição de variáveis

1 dx
⇒ dy = −
y= = −y 2 dx
x +1 (x + 1)2
e assim, obtemos que
   
1 1
Z ∞ Z 0 g y −1 Z 1 g y −1
θ= g (x)dx = − dy = dy
0 1 y2 0 y2
reduzindo a integral para o caso inicial.
Métodos Estatı́sticos 42
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Integração por Monte Carlo

De forma análoga a anterior, quando queremos calcular a integral


imprópria
Z ∞
θ= g (x)dx,
0
basta aplicar a seguinte substituição de variáveis

1 dx
⇒ dy = −
y= = −y 2 dx
x +1 (x + 1)2
e assim, obtemos que
   
1 1
Z ∞ Z 0 g y −1 Z 1 g y −1
θ= g (x)dx = − dy = dy
0 1 y2 0 y2
reduzindo a integral para o caso inicial.
Métodos Estatı́sticos 43
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Aplicações

Métodos Estatı́sticos 44
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Aplicações

Métodos Estatı́sticos 45
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Aplicações

Métodos Estatı́sticos 46
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Aplicações

Métodos Estatı́sticos 47
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Aplicações

Métodos Estatı́sticos 48
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Aplicações

Métodos Estatı́sticos 49
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Aplicações

Métodos Estatı́sticos 50
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Aplicações

Métodos Estatı́sticos 51
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Aplicações

Métodos Estatı́sticos 52
Conteúdo Introdução Integração por Monte Carlo Método da Transforma Inversa Referências

Referências

Referências Bibliográficas
- Portal Action

Métodos Estatı́sticos 53

Você também pode gostar