Post on 08-Sep-2019
Monte-Carlo Simulation
Prof.Dr. Michael Fröhlich
DAA-Workshop für junge Mathematiker im BachelorstudiumReisenburg, 03.09.2014
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 1 / 12
Agenda
1 Simulationstechniken (Monte-Carlo-Methoden)
2 Excel-Beispiele
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 2 / 12
1. Simulationstechniken (Monte-Carlo-Methoden)
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 3 / 12
1. Simulationstechniken (Monte-Carlo-Methoden)
Wie kann man eine exponential-verteilte Zufallsvariable simulieren?PC und Taschenrechner können nur im Intervall [0,1] gleichverteilteZufallsvariablen simulieren?
Lösungsansatz:
Man bestimme die Quantilsfunktion der Verteilung, d.h. dieUmkehrfunktion der Verteilung.
Man ermittelt eine Realisation der gleichverteilten Zufallsgrößeaus [0,1].
Man setzt diese in die Quantilsfunktion der Verteilung ein underhält eine Realisation einer exponential-verteilten Zufallsgröße .
Man nennt diese Methode Inversionsmetheode.
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 4 / 12
1. Simulationstechniken (Monte-Carlo-Methoden)
Wie kann man eine exponential-verteilte Zufallsvariable simulieren?PC und Taschenrechner können nur im Intervall [0,1] gleichverteilteZufallsvariablen simulieren?
Lösungsansatz:
Man bestimme die Quantilsfunktion der Verteilung, d.h. dieUmkehrfunktion der Verteilung.
Man ermittelt eine Realisation der gleichverteilten Zufallsgrößeaus [0,1].
Man setzt diese in die Quantilsfunktion der Verteilung ein underhält eine Realisation einer exponential-verteilten Zufallsgröße .
Man nennt diese Methode Inversionsmetheode.
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 4 / 12
1. Simulationstechniken (Monte-Carlo-Methoden)
Wie kann man eine exponential-verteilte Zufallsvariable simulieren?PC und Taschenrechner können nur im Intervall [0,1] gleichverteilteZufallsvariablen simulieren?
Lösungsansatz:
Man bestimme die Quantilsfunktion der Verteilung, d.h. dieUmkehrfunktion der Verteilung.
Man ermittelt eine Realisation der gleichverteilten Zufallsgrößeaus [0,1].
Man setzt diese in die Quantilsfunktion der Verteilung ein underhält eine Realisation einer exponential-verteilten Zufallsgröße .
Man nennt diese Methode Inversionsmetheode.
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 4 / 12
1. Simulationstechniken (Monte-Carlo-Methoden)
Wie kann man eine exponential-verteilte Zufallsvariable simulieren?PC und Taschenrechner können nur im Intervall [0,1] gleichverteilteZufallsvariablen simulieren?
Lösungsansatz:
Man bestimme die Quantilsfunktion der Verteilung, d.h. dieUmkehrfunktion der Verteilung.
Man ermittelt eine Realisation der gleichverteilten Zufallsgrößeaus [0,1].
Man setzt diese in die Quantilsfunktion der Verteilung ein underhält eine Realisation einer exponential-verteilten Zufallsgröße .
Man nennt diese Methode Inversionsmetheode.
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 4 / 12
1. Simulationstechniken (Monte-Carlo-Methoden)
Der Beweis, warum die Inversionsmethode funktioniert:
Sei X eine Zufallsvariable mit Verteilungsfunktion F und U eine auf[0,1] gleichverteilte Zufallsvariable. Dann haben Y := F−1(U) und Xdieselbe Verteilungsfunktion.
Beweis: Sei FY die Verteilungsfunktion von Y . Dann gilt
FY (x) = P(Y ≤ x) = P(F−1(U) ≤ x) = P(U ≤ F(x)) = F(x),
was die Behauptung zeigt.Die letzte Gleichung folgt aus der Tatsache, daß U gleichverteilt ist,also P(U ≤ x) = x für alle x.
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 5 / 12
1. Simulationstechniken (Monte-Carlo-Methoden)
Simulation einer Poisson-λ-verteilten Schadenanzahl:
Wir starten bei n := 0 und T := 1.
Dann simulieren wir eine auf ]0,1[ gleichverteilte Zufallsvariable uund setzen T := uT .
Falls T ≥ e−λ, setzen wir n := n+ 1 und gehen zurück zu Schritt 2.
Falls T < e−λ, so ist n eine Realisierung der Schadenanzahl N.
Simulation einer Pareto-verteilten Schadenhöhe:
Ist die Zufallsvariable X Pareto-verteilt mit Parameter α undStartwert x0, so ist X verteilt wie x0 · U−
1α , wobei U eine auf ]0,1[
gleichverteilte Zufallsvariable ist. (Inversionsmethode)
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 6 / 12
1. Simulationstechniken (Monte-Carlo-Methoden)
Simulation einer Poisson-λ-verteilten Schadenanzahl:
Wir starten bei n := 0 und T := 1.
Dann simulieren wir eine auf ]0,1[ gleichverteilte Zufallsvariable uund setzen T := uT .
Falls T ≥ e−λ, setzen wir n := n+ 1 und gehen zurück zu Schritt 2.
Falls T < e−λ, so ist n eine Realisierung der Schadenanzahl N.
Simulation einer Pareto-verteilten Schadenhöhe:
Ist die Zufallsvariable X Pareto-verteilt mit Parameter α undStartwert x0, so ist X verteilt wie x0 · U−
1α , wobei U eine auf ]0,1[
gleichverteilte Zufallsvariable ist. (Inversionsmethode)
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 6 / 12
1. Simulationstechniken (Monte-Carlo-Methoden)
Simulation einer Poisson-λ-verteilten Schadenanzahl:
Wir starten bei n := 0 und T := 1.
Dann simulieren wir eine auf ]0,1[ gleichverteilte Zufallsvariable uund setzen T := uT .
Falls T ≥ e−λ, setzen wir n := n+ 1 und gehen zurück zu Schritt 2.
Falls T < e−λ, so ist n eine Realisierung der Schadenanzahl N.
Simulation einer Pareto-verteilten Schadenhöhe:
Ist die Zufallsvariable X Pareto-verteilt mit Parameter α undStartwert x0, so ist X verteilt wie x0 · U−
1α , wobei U eine auf ]0,1[
gleichverteilte Zufallsvariable ist. (Inversionsmethode)
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 6 / 12
1. Simulationstechniken (Monte-Carlo-Methoden)
Simulation einer Poisson-λ-verteilten Schadenanzahl:
Wir starten bei n := 0 und T := 1.
Dann simulieren wir eine auf ]0,1[ gleichverteilte Zufallsvariable uund setzen T := uT .
Falls T ≥ e−λ, setzen wir n := n+ 1 und gehen zurück zu Schritt 2.
Falls T < e−λ, so ist n eine Realisierung der Schadenanzahl N.
Simulation einer Pareto-verteilten Schadenhöhe:
Ist die Zufallsvariable X Pareto-verteilt mit Parameter α undStartwert x0, so ist X verteilt wie x0 · U−
1α , wobei U eine auf ]0,1[
gleichverteilte Zufallsvariable ist. (Inversionsmethode)
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 6 / 12
2. Excel-Beispiele
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 7 / 12
2. Excel-Beispiele
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 8 / 12
2. Excel-Beispiele
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 9 / 12
2. Excel-Beispiele
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 10 / 12
2. Excel-Beispiele
Wie würde man am geeignetsten eine U(a,b) gleichverteilteZufallsgröße X in Excel simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine B(100;0,1)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Exp(0,5)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Poi(λ)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Par(x0, α)-verteilte Zufallsgröße simulieren?
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 11 / 12
2. Excel-Beispiele
Wie würde man am geeignetsten eine U(a,b) gleichverteilteZufallsgröße X in Excel simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine B(100;0,1)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Exp(0,5)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Poi(λ)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Par(x0, α)-verteilte Zufallsgröße simulieren?
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 11 / 12
2. Excel-Beispiele
Wie würde man am geeignetsten eine U(a,b) gleichverteilteZufallsgröße X in Excel simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine B(100;0,1)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Exp(0,5)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Poi(λ)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Par(x0, α)-verteilte Zufallsgröße simulieren?
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 11 / 12
2. Excel-Beispiele
Wie würde man am geeignetsten eine U(a,b) gleichverteilteZufallsgröße X in Excel simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine B(100;0,1)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Exp(0,5)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Poi(λ)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Par(x0, α)-verteilte Zufallsgröße simulieren?
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 11 / 12
2. Excel-Beispiele
Wie würde man am geeignetsten eine U(a,b) gleichverteilteZufallsgröße X in Excel simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine B(100;0,1)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Exp(0,5)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Poi(λ)-verteilte Zufallsgröße simulieren?
Wie würden Sie in Excel mit einer U(0,1)-verteilten Zufallsgrößeeine Par(x0, α)-verteilte Zufallsgröße simulieren?
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 11 / 12
„ Insofern sich die Sätze derMathematik auf die Wirklichkeitbeziehen, sind sie nicht sicher, undinsofern sie sicher sind, beziehen siesich nicht auf die Wirklichkeit.“
Albert Einstein
Prof.Dr. Michael Fröhlich (OTH Regensburg) Monte-Carlo Simulation 03.09.2014 12 / 12