montecarlo模擬誤差分析課程設計-wenkub
2023-01-28 16:36:36 本頁面
【正文】 % plot(x,MuSigma,39。% plot(x,Mu+Sigma,39。grid on。)。)。)。figure(2),axis([0,N,max(5*Y2),max(5*Y2)])plot(Y2)。d_delta=(max(delta)min(delta))/(M1)。Y2=sqrt(2*log(X1)).*sin(2*pi*X2)。,31)。u1=。Sigma=2。close all。以下為N分別為100000點和500000點兩種情況下，M分別等于N/N/N/N、2N、5N六種情況下的模擬圖像。3. Monte Carlo模擬誤差分析的實驗內容 MCM法與GUM法進行模擬誤差分析和不確定度計算(1). 利用MATLAB軟件生成[0，1]區(qū)間的均勻分布的隨機數；(2). 給出誤差分量的隨機值：利用MATLAB，由均勻分布隨機數生成標準正態(tài)分布隨機數，誤差分量隨機數可表示為mV；同理得 mV(3). 求和的隨機數：誤差和的隨機數；(4). 重復以上步驟，得誤差和的隨機數系列： ；(5). 作誤差和的統(tǒng)計直方圖：以誤差數值為橫坐標，以頻率為縱坐標作圖。Monte Carlo(MCM)法就是較為常用的數學工具，具體原理相見相關資料。 學習并掌握基于Monte Carlo Method(MCM)分析的不確定度計算方法。 研究Guide to the expression of Uncertainty in Measurement(GUM)法與MCM法的區(qū)別與聯(lián)系和影響因素，自適應MCM方法，基于最短包含區(qū)間的MCM法。此次課程設計中按照實驗要求產生的隨機數可以模擬測量誤差，通過對這些隨機數的概率密度分布函數的面積、包絡線和概率特征點的求取，可以獲得隨機誤差的標準不確定度——(MCM)，并與理論上估計標準不確定度的Bessel公式、極差法作——(GUM)比較，完成實驗內容。作圖區(qū)間應包含所有數據，按數值將區(qū)間等分為組（盡可能大），每組間隔為，記數各區(qū)間的隨機數的數目，以為底，以為高作第()區(qū)間的矩形，最終的組矩形構成誤差和的分布直方圖，該圖包絡線線即為實驗的誤差分布曲線。實驗程序：tic。bdclose all。M=N/10。u2=。X1=rand(1,N)。%% 為做直方圖先定義好X軸的坐標數據%%delta1=u1*Y1。 %%d_delta為誤差分布的間距delta_n=[min(delta):d_delta:max(delta)]。grid on。grid on。grid on。grid on。% hold on% plot(x,Mu,39。r39。r39。grid on。hist(delta,M)。b:39。%%計算直方圖的面積%%S=sum(d_delta*abs(H))。s_(i)=s_1(i)+s_2(i)。 area(iii)。)。delta_cancha=deltadelta_mean。（2）當更改N與M不同的倍數關系時，可得到不同的計算結果，如下各圖所示： N=100000,M=N/5。 s=,delta_n_u= N=100000,M=5N。 s=,delta_n_u= N=500000,M=N。根據以上各圖分析知：當N固定的情況下，隨著M值得增大直方圖的平滑性變差，Y軸高度下降。當N=M時，由于對離散的誤差值統(tǒng)計運算存在舍入誤差導致誤差，此誤差隨著M的增大可消除此項舍入誤差。(1). 基于前一個實驗，構建衡量Monte Carlo法和GUM法計算得到標準不確定度差值的函數。warning off。 Result1(j,jj)=shiyan(a(j),b(jj))。for jjj=1:max(size(c))。toc。%%bdclose all。x=0:1:floor(M)。 %%產生兩個在(0,1)上服從均勻分布的,種子為39,每一次都相同的隨機數X1和X2%%rand(39。X2=rand(1,floor(N))。delta2=u2*Y2。 %%delta_n為誤差分布序列%%作圖%%%%高斯隨機信號%%% figure(1),% axis([0,N,max(5*Y1),max(5*Y1)])% plot(Y1)。% % hold on% % plot(x,0
高考資料相關推薦
鄂ICP備17016276號-1