Académique Documents
Professionnel Documents
Culture Documents
Diogo F. F. de Melo
Rb
I(f ) = f (x)dx
a
(1)
R1 R2 7 10
I(f ) = dx + x2 dx = 1 + 3 = 3 = 3.3333...
0 1
(2)
1
Exemplo 1 : O erro estatı́stico do acerto
P I(f ) P
N = I(g) ⇒ I(f ) = N I(g) ≡ pN I(g)
(3)
2
um dado N finito, com seu valor em N → ∞, pN →∞ , porém, não conhece-
mos de atemão este valor. Uma boa estimativa para pN →∞ é o valor médio
hpN i definido por:
N
P
hpN i = pM
M =1
(4)
2 ,
De posse de hpN i podemos calcular o desvio quadrático médio, σN
D E D E ®
2 = (δp )2 = (p − hp i)2 = p2 − hp i2
σN N N N N N
(5)
3
N IN σN
1 8.000 0.000000
2 8.000 0.000000
4 6.000 0.866025
8 5.000 1.599358
16 5.500 1.200836
32 4.000 1.020053
64 3.375 1.067216
128 3.187 0.974775
256 3.187 0.755103
512 3.281 0.562494
1024 3.343 0.398844
2048 3.335 0.282673
4096 3.394 0.201429
8192 3.371 0.145124
16384 3.336 0.103090
32768 3.329 0.072144
65536 3.333 0.057241
Table 1:
4
8
5
IN
0
1 10 100 1000 10000
N
resposta para esta pergunta pode ser encontrada em qualquer livro de es-
tatı́stica básica: A média tomada em uma amostra converge para a media
no universo com o tamanho e tem um erro estimado por σN . Uma boa
referência é [].
5
Rb N
P
I(f ) = f (x)dx ≈ f (xn )dxn
a n=1
(6)
Rb b−a
N
P
f (x)dx ≈ N f (xn )
a n=1
(7)
R1 R2
I1 (f ) = f (x)dx e I2 (f ) = f (x)dx
0 1
(8)
6
N I σ I1 σ1 I2 σ2
1 2.000000 0.000000 1.000000 0.000000 1.000000 0.000000
2 2.000000 0.000000 1.000000 0.000000 1.000986 0.000484
4 2.000000 0.000000 1.000000 0.000000 1.117864 0.048137
8 2.000000 0.000000 1.000000 0.000000 1.366191 0.132228
16 2.609284 0.277006 1.000000 0.000000 1.872894 0.319662
32 3.218003 0.440895 1.000000 0.000000 2.174680 0.383804
64 3.267384 0.453601 1.000000 0.000000 2.267497 0.357891
128 3.384559 0.380138 1.000000 0.000000 2.334187 0.297313
256 3.316419 0.298924 1.000000 0.000000 2.307835 0.230882
512 3.281257 0.216785 1.000000 0.000000 2.287041 0.166886
1024 3.313491 0.154862 1.000000 0.000000 2.309410 0.119841
2048 3.349640 0.113943 1.000000 0.000000 2.333497 0.088075
4096 3.320305 0.083050 1.000000 0.000000 2.320595 0.063823
8192 3.318071 0.058567 1.000000 0.000000 2.324123 0.045587
16384 3.313480 0.042227 1.000000 0.000000 2.325878 0.027900
32768 3.322556 0.062104 1.000000 0.000000 2.330123 0.028826
65536 3.324231 0.091367 1.000000 0.000000 2.329540 0.083290
Table 2:
7
L
P L
P Nl
∆xl P
I(f ) = Il (f ) = N l
f (xnl )
l=1 l=1 nl =1
(9)
à ! à !
P Nl
L P N
P
∆xl 1
N f (xnl )
l
= N w−1 (xn )f (xn )
l=1 nl =1 unif orme n=1 w(x)
(10)
Nl
Onde usamos N w(xn ) = ∆xl se xn ∈ ∆xl .
Resumindo:
8
Rb 1
N
P
I(f ) = f (x)dx = N f (xn )w−1 (xn )
a n=1
(11)
Rb 1
N
P 1
N
P
hf (x)i = f (x)w(x)dx = N f (xn )w(xn )w−1 (xn ) = N f (xn )
a n=1 n=0
(12)
Rx
W (x) = w(x0 )dx0 e fazemos x = W −1 (y)
x0
(13)
9
-4
2×10
-4
2×10
w(x)
-4
1×10
-5
5×10
0
0,5 0,75 1 1,25 1,5 1,75 2 2,25 2,5
x
√
Para a w(x) desejada usamos x = 3y + 1 onde y é uma varável
aleaória uniformemente distribuida em [0,1]. A freqüência relativa dos valres
sorteados para x obtidos através da descrição acima estão na figura 2. A
tabela a seguir resume os resultados para I2 .
10
N I2 σ2
1 1.500000 0.000000
2 1.501108 0.000639
4 1.612121 0.045640
8 1.795062 0.108627
16 2.080287 0.207458
32 2.229768 0.230724
64 2.289200 0.209037
128 2.324709 0.172461
256 2.314852 0.133523
512 2.303915 0.096504
1024 2.317794 0.069463
2048 2.330987 0.051096
4096 2.325517 0.036492
8192 2.328328 0.024051
16384 2.329859 0.034173
32768 2.331912 0.055338
65536 2.331487 0.076801
Table 3:
11
com probabilidade p ou xl ⇒ xl−1 com probabilidade 1 − p, com condições
de contorno propriadas. Esta evolução no tempo é chamada de caminhada.
Rb 1
T
P
I(f ) = f (x)dx = T f (xt )w−1 (xt )
a t=1
(14)
12
N I2 σ2
1 1.740107 0.937136
2 1.553043 0.766028
4 1.646441 0.726434
8 1.505007 0.632295
16 1.597376 0.592383
32 1.536335 0.596323
64 1.541496 0.545564
128 1.616335 0.570253
256 1.728196 0.604595
512 2.073321 0.605721
1024 2.213573 0.660169
2048 2.397759 0.733637
4096 2.425619 0.726349
8192 2.376566 0.691343
16384 2.424335 0.661774
32768 2.389643 0.612018
65536 2.308398 0.513939
131072 2.260757 0.420794
262144 2.314683 0.326960
524288 2.322845 0.246980
Table 4:
13
Estamos interessados aqui nas conseqüéncias deste resultado. Suponha que
por algum motivo não conheçamos a w(x), mas apenas uma regra para a
dinâmica da variável x, como a definida para o RW. Se estivermos interes-
sados em calcular o valor médio de f (x), não precisamos conhecer a forma
de w(x), como foi mostrado no exemplo anterior,
Rb 1
T
P
hf (x)i = f (x)w(x)dx = T f (xt )
a t=0
(15)
14