蒙特卡洛方法原理与应用 统计量近似分布与分位数计算 python画图演示

目录

一 蒙特卡洛概率方法的初步介绍与基本原理

1.1 蒙特卡洛方法的定义
1.2 蒙特卡洛方法的起源
1.3 蒙特卡洛方法的举例

二 用蒙特卡洛进行统计量分布和分位数计算

2.1 数理统计问题的描述
2.2 正态分布与指数分布
2.3 经验分布与概率计算
2.4 解决思路与大概过程

三 蒙特卡洛方法去解决问题的实际具体过程

3.1 相应分布随机数获取
3.2 近似分布函数的绘画
3.3 目标统计量的分位数
3.4 样本容量变化的误差
3.5 分位数与随机性关系

四 本篇文章相关参考资料与参考文献的声明

一 蒙特卡洛概率方法的初步介绍与基本原理

1.1 蒙特卡洛方法的定义

        蒙特卡洛方法又称统计模拟法、随机抽样技术，是一种随机模拟方法，以概率和统计理论方法为基础的一种计算方法，是使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。使用蒙特卡洛方法时，需要将所求解的问题同一定的概率模型相联系，然后用电子计算机实现统计模拟或抽样，以获得问题的近似解。

1.2 蒙特卡洛方法的起源

        蒙特卡洛方法于20世纪40年代美国在第二次世界大战中研制原子弹的"曼哈顿计划"计划的成员S.M.乌拉姆和J.冯·诺伊曼首先提出。数学家冯·诺伊曼用驰名世界的赌城-摩纳哥的Monte Carlo来命名这种方法，为它蒙上了一层神秘色彩。蒙特卡洛方法在金融工程学，宏观经济学