En las matemáticas, una secuencia de la bajo-discrepancia del es una secuencia con la característica que para todos los valores del N, su x 1 del subsequence,…, el N del del x tiene una discrepancia baja, según lo definido abajo. las secuencias de la Bajo-discrepancia también se llaman el cuasi-al azar o el las secuencias secundario-al azar de, debido a su de uso común como reemplazo de los números al azar uniformemente distribuidos El " quasi" el modificante se utiliza para denotar más claramente que los valores de una secuencia de la bajo-discrepancia son ni al azar ni pseudoaleatorios, pero tales secuencias comparten algunas características de variables al azar y en ciertos usos tales como método de Quasi-Monte Carlos su la discrepancia más baja es una ventaja importante.
En línea general, la discrepancia de una secuencia es baja si el número de puntos en la secuencia que baja en un arbitrario B del sistema está cercano a proporcional a la medida del B, como sucedería en promedio (pero no para las muestras particulares) en el caso de una distribución uniforme. Las definiciones específicas de la discrepancia diferencian con respecto a la opción del B (hyperspheres, hypercubes, etc.) y cómo la discrepancia para cada B se computa (normalizado generalmente) y se combina (generalmente tomando el valor peor).
Por lo menos tres métodos de la integración numérica se pueden expresar como sigue. Dado un x 1 del sistema,…, el N
del del x en el intervalo , aproxima el integral de un f de la función como el promedio de la función evaluada en esos puntos:
Si los puntos se eligen como i del del x = el i / N, ésta es la regla del rectángulo. Si los puntos se eligen para estar aleatoriamente (o Pseudorandomly distribuido, éste es el método de Monte Carlo. Si los puntos se eligen como elementos de una secuencia de la bajo-discrepancia, éste es el método de Quasi-Monte Carlos. Un resultado notable, la desigualdad de Koksma-Hlawka del, demuestra que el error de tal método se puede limitar por el producto de dos términos, uno cuyo depende solamente del f, y otro cuál es la discrepancia del x 1 del sistema,…, el N
del del x . La desigualdad de Koksma-Hlawka se indica abajo. Es conveniente construir el x 1 del sistema,…, el N
del del x de una manera tal que si un sistema con los elementos del N +1 se construye, los elementos anteriores del N no necesiten recomputed. Los puntos de las aplicaciones de la regla del rectángulo fijan que tienen discrepancia baja, pero en general los elementos deben recomputed si se aumenta el N . Los elementos no necesitan recomputed en el método de Monte Carlo si se aumenta el N, pero los sistemas del punto no tienen discrepancia mínima. Usando secuencias de la bajo-discrepancia, el método de Carlos del quasi-Monte tiene las características deseables de los otros dos métodos.
La Estrella-Discrepancia se define como sigue, usar la notación de Niederreiter.
donde está el el P x 1 del sistema,…, el N
del del x, λ el s del es el s - medida dimensional de Lebesgue, A ( B ; El P ) es el número de puntos en el P que caigan en el B, y el J * es el sistema de los intervalos de la forma donde está el i
del del u en el semiabierto 1) del intervalo. Por lo tanto
donde la función de la discrepancia se define cerca
Ejemplos gráficos
Los puntos trazados abajo son los primeros 100, 1000, y 10000 elementos en una secuencia del Sobol mecanografían. Para la comparación, 10000 elementos de una secuencia de puntos pseudoaleatorios también se demuestran.
La secuencia de la bajo-discrepancia fue generada por el algoritmo 659 de TOMS, descrito por P. Bratley y el Fox de B. en transacciones del ACM en el software matemático, vol. Una puesta en práctica del algoritmo en FORTRAN se puede transferir Netlib, URL: http://www.org/toms/659
clear=" del
La desigualdad de Koksma-Hlawka
Dejar Ī el s del sea el s - cubo de unidad dimensional, Ī s del = × 1; … × 1. Dejar el f tener V de la variación limitada (f) en Ī s del en el sentido y Krause robustos. Entonces para cualquie x 1,…, N
del del x en el s del del I = × del 1) ; … × 1) , : El Koksma - la desigualdad de Hlawka es aguda en el sentido siguiente:
Para cualquie determinado x 1,…, x N en el I s y cualquiera del punto , del
l
hay un f de la función con la variación limitada y el V (f)=1 tales que
Por lo tanto, la calidad de una regla numérica de la integración depende solamente de la discrepancia D*N ( x 1,…, x N).
La fórmula de Hlawka-Zaremba
Dejar el . Para el nosotros escribir el y denotar por el que el punto obtuvo de substituyendo coordenadas no en por . Entonces
del del x . Dejar el   del s ; = 2. Schmidt probó que para cualquier determinado x 1,   del punto finito; …, N
del del x,
D_N^* (x_1, \ ldots,) \ geq C \ frac del x_N {\ registro N} {N}
donde
C= \ max_ {a \ geq3} \ frac {1} {16} \ frac {a-2} {a \ registro a} =0.02333…
Para el   arbitrario del s de las dimensiones; > 1, K. Roth probó eso
D_N^* (x_1, \ ldots,) \ geq \ frac {1} {2^ {4s}} \ ^ del frac {1} {((S1) \ log2) \} \ frac {\ log^ {\ frac {S1} {2}} N} {N} del x_N del frac {S1} {2}
para cualquie determinado x 1,   del punto finito; …, N
del del x . Este límite es el más conocido para el   del s ; > 3.
Usos
integración
Optimización
Muestreo estadístico .
ZenithicStub Place