كيف تظهر طريقة مونت كارلو في الرسم؟
تقدّر طريقة مونت كارلو عددًا ثابتًا بأخذ عينات عشوائية. والعدد هنا مساحة: نختار نقطة عشوائيًا بتوزيع منتظم داخل مربع الوحدة. إذا وقعت منها في المنطقة، فإن تقدّر مساحتها . مساحة ربع القرص هي ، ولذلك يقدّر القيمة . وبالطريقة نفسها، تتيح المنطقة تحت تقدير تكامل لا يمكن التعبير عن دالته الأصلية بالدوال الابتدائية، من خلال عدّ النقاط فحسب. يعرض الرسم السفلي التقدير مع ازدياد حتى مليون والنطاق الذي يُتوقّع أن يقع فيه في 95% من التجارب.
لماذا تقدّر النسبةُ المساحةَ؟
إذا اخترنا نقطة عشوائيًا بتوزيع منتظم في مربع مساحته 1، فإن احتمال وقوعها في منطقة يساوي مساحة تلك المنطقة. وتمثّل كل نقطة تجربة مستقلة بهذا الاحتمال نفسه، فتقترب نسبة الإصابات من وفقًا لـقانون الأعداد الكبيرة. شكل المنطقة غير مهمّ ما دمنا نستطيع معرفة ما إذا كانت النقطة تقع داخلها.
ما مدى الدقة؟
يتبع عدد الإصابات توزيعًا ثنائي الحدين، ولذلك فالانحراف المعياري للنسبة هو . يتناقص الخطأ المعتاد بمعدل : عندما نضرب عدد النقاط في عشرة يصغر الخطأ بعامل يقارب . ولخفضه إلى العُشر نحتاج إلى نحو مئة ضعف عدد النقاط. حتى مع مليون نقطة يبقى هامش عدم اليقين في π نحو ±0.003. لا نحتاج إلى المساحة الحقيقية لتقدير ذلك: نعوّض عن بالنسبة المرصودة فنحصل على الهامش ، ومنه فترة ثقة تقريبية بمستوى 95%. نعرضها هنا عند وجود عشر نقاط على الأقل داخل الهدف وعشر خارجه. ولو كررنا التجربة مرات كثيرة مع تثبيت ، لفاتت القيمة الحقيقية فترة واحدة تقريبًا من كل عشرين. يمثّل النطاق الأزرق في الرسم السفلي الفترة حول القيمة الحقيقية لكل على حدة؛ فلا يلزم أن يبقى المسار كله داخله، وقد يبتعد تقدير تجربة واحدة عن القيمة الحقيقية مؤقتًا عند إضافة نقاط. الذي يضيق بانتظام هو هامش عدم اليقين.
متى تُفيد هذه الطريقة؟
بالنسبة لدالة ملساء في متغيّر واحد، تعطي قاعدة حتمية مثل قاعدة سمبسون (انظر التكامل العددي) دقة أعلى بكثير عند العدد نفسه من عمليات حساب الدالة. من مزايا مونت كارلو أن الأسّ في معدل التقارب لا يتغير مع عدد الأبعاد، في حين تحتاج شبكة ذات نقاط على كل ضلع إلى نقطة في أبعاد. لذلك قد تكون الطريقة أفضل في المسائل عالية الأبعاد. أما عندما يصغر الهدف، فالخطأ المعياري نسبةً إلى المساحة هو ، ولهذا تحتاج منطقة تشغل جزءًا من مئة من مساحة المربع إلى نقاط أكثر بكثير لتحقيق الدقة النسبية نفسها.
ملاحظات
- لا تتباعد النقاط العشوائية بانتظام؛ فوجود تجمعات وفراغات أمر مألوف مع بضع مئات من النقاط.
- تُولَّد النقاط بمولّد شبه عشوائي ذي بذرة مرقّمة، لذلك يستعيد رابط المشاركة النقاط نفسها. وبعد بلوغ مليون نقطة، يؤدي الضغط على «انثر النقاط» إلى البدء من جديد بالبذرة التالية.
مواضيع ذات صلة
للمزيد من القراءة: ويكيبيديا: Monte Carlo method (الإنجليزية).