材料分析方法课后练习题参考答案 2015-1-4 BY：二专业の学渣 材料科学与工程学院
3.讨论下列各组概念的关系 答案之一 (1）同一物质的吸收谱和发射谱； 答：λk吸收〈λkβ发射〈λkα发射 (2）X射线管靶材的发射谱与其配用的滤波片的吸收谱。 答：λkβ发射（靶）〈λk吸收(滤波片)〈λkα发射（靶）。任何材料对X射线的吸收都有一个Kα线和Kβ线。如Ni 的吸收限为0.14869 nm。也就是说它对0.14869nm波长及稍短波长的X射线有强烈的吸收。而对比0.14869稍长的X射线吸收很小。Cu靶X射线:Kα=0.15418nm Kβ=0.13922nm。 (3）X射线管靶材的发射谱与被照射试样的吸收谱。 答：Z靶≤Z样品+1 或Z靶>>Z样品 X射线管靶材的发射谱稍大于被照射试样的吸收谱，或X射线管靶材的发射谱大大小于被照射试样的吸收谱。在进行衍射分析时，总希望试样对X射线应尽可能少被吸收，获得高的衍射强度和低的背底。 答案之二 1）同一物质的吸收谱和发射谱； 答：当构成物质的分子或原子受到激发而发光，产生的光谱称为发射光谱，发射光谱的谱线与组成物质的元素及其外围电子的结构有关。吸收光谱是指光通过物质被吸收后的光谱，吸收光谱则决定于物质的化学结构，与分子中的双键有关。 2）X射线管靶材的发射谱与其配用的滤波片的吸收谱。 答：可以选择λK刚好位于辐射源的Kα和Kβ之间的金属薄片作为滤光片，放在X射线源和试样之间。这时滤光片对Kβ射线强烈吸收，而对Kα吸收却少。 6、欲用Mo 靶X 射线管激发Cu 的荧光X 射线辐射，所需施加的最低管电压是多少？激发出的荧光辐射的波长是多少？ 答：eVk=hc/λ Vk=6.626×10-34×2.998×108/(1.602×10-19×0.71×10-10)=17.46(kv) λ0=1.24/v(nm)=1.24/17.46(nm)=0.071(nm) 其中h为普郎克常数，其值等于6.626×10-34 e为电子电荷，等于1.602×10-19c 故需加的最低管电压应≥17.46(kv)，所发射的荧光辐射波长是0.071纳米。 7、名词解释：相干散射、非相干散射、荧光辐射、吸收限、俄歇效应 答：⑴当χ射线通过物质时，物质原子的电子在电磁场的作用下将产生受迫振动，受迫振动产生交变电磁场，其频率与入射线的频率相同，这种由于散射线与入射线的波长和频率一致，位相固定，在相同方向上各散射波符合相干条件，故称为相干散射。 ⑵当χ射线经束缚力不大的电子或自由电子散射后，可以得到波长比入射χ射线长的χ射线，且波长随散射方向不同而改变，这种散射现象称为非相干散射。
当科学家们使用计算机来试图预测复杂的趋势和事件时, 他们通常应用一类需要长串的随机数的复杂计算。设计这种用来预测复杂趋势和事件的数字模型越来越依赖于一种称为蒙特卡罗模似的统计手段, 而这种模拟进一步又要取决于可靠的无穷尽的随机数目来源。 蒙特卡罗模拟因摩纳哥著名的赌场而得名。它能够帮助人们从数学上表述物理、化学、工程、经济学以及环境动力学中一些非常复杂的相互作用。数学家们称这种表述为“模式”, 而当一种模式足够精确时, 他能产生与实际操作中对同一条件相同的反应。但蒙特卡罗模拟有一个危险的缺陷: 如果必须输入一个模式中的随机数并不像设想的那样是随机数, 而却构成一些微妙的非随机模式, 那么整个的模拟(及其预测结果)都可能是错的。 最近, 由美国佐治亚大学的费伦博格博士作出的一分报告证明了最普遍用以产生随机数串 的计算机程序中有5个在用于一个简单的模拟磁性晶体中原子行为的数学模型时出现错误。科学家们发现, 出现这些错误的根源在于这5个程序产生的数串其实并不随机, 它们实际上隐藏了一些相互关系和样式, 这一点只是在这种微小的非随机性歪曲了晶体模型的已知特 性时才表露出来。贝尔实验室的里德博士告诫人们记住伟大的诺伊曼的忠告:“任何人如果相信计算机能够产生出真正的随机的数序组都是疯子。” 蒙特卡罗方法（MC） 蒙特卡罗（Monte Carlo）方法： 蒙特卡罗（Monte Carlo）方法，又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在本世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡罗方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。这也是我们采用该方法的原因。 蒙特卡罗方法的基本原理及思想如下： 当所要求解的问题是某种事件出现的概率，或者是某个随机变量的期望值时，它们可以通过某种“试验”的方法，得到这种事件出现的频率，或者这个随机变数的平均值，并用它们作为问题的解。这就是蒙特卡罗方法的基本思想。蒙特卡罗方法通过抓住事物运动的几何数量和几何特征，利用数学方法来加以模拟，即进行一种数字模拟实验。它是以一个概率模型为基础，按照这个模型所描绘的过程，通过模拟实验的结果，作为问题的近似解。可以把蒙特卡罗解题归结为三个主要步骤：构造或描述概率过程；实现从已知概率分布抽样；建立各种估计量。 蒙特卡罗解题三个主要步骤： 构造或描述概率过程： 对于本身就具有随机性质的问题，如粒子输运问题，主要是正确描述和模拟这个概率过程，对于本来不是随机性质的确定性问题，比如计算定积分，就必须事先构造一个人为的概率过程，它的某些参量正好是所要求问题的解。即要将不具有随机性质的问题转化为随机性质的问题。 实现从已知概率分布抽样： 构造了概率模型以后，由于各种概率模型都可以看作是由各种各样的概率分布构成的，因此产生已知概率分布的随机变量（或随机向量），就成为实现蒙特卡罗方法模拟实验的基本手段，这也是蒙特卡罗方法被称为随机抽样的原因。最简单、最基本、最重要的一个概率分布是(0,1)上的均匀分布（或称矩形分布）。随机数就是具有这种均匀分布的随机变量。随机数序列就是具有这种分布的总体的一个简单子样，也就是一个具有这种分布的相互独立的随机变数序列。产生随机数的问题，就是从这个分布的抽样问题。在计算机上，可以用物理方法产生随机数，但价格昂贵，不能重复，使用不便。另一种方法是用数学递推公式产生。这样
基于蒙特卡洛模拟的概率型量本利分析 量本利分析是管理会计中的重要方法，其中确定型量本利分析由于其简单实用受到实务工作者的偏爱，但是由于经济环境与市场因素的复杂性，为了更加客观真实地反映企业经营的财务状况，国内一些权威《管理会计》教材引入随机变量对此进行分析。对于概率型量本利分析，国内一些教材对此讲解比较简单，基本上介绍的是期望值方法，但该方法所揭示的信息量很少，从某种意义上讲反映的是总体大样本的统计规律，很少能够反映某一具体经济活动的可能面临的风险状况，这样很可能对决策者产生误导。基于上述原因，本文应用随机蒙特卡洛（MonteCarlo）模拟对该类问题进行探讨，拓展量本利方法的前提假设，以适应不确定与风险环境的经济活动分析。 二、蒙特卡洛模拟原理及步骤 （一）蒙特卡洛模拟原理经济生活中存在大量的不确定与风险问题，很多确定性问题实际上是不确定与风险型问题的特例与简化，财务管理、管理会计中同样也存在大量的不确定与风险型问题，由于该问题比较复杂，一般教材对此问题涉及较少，但利用蒙特卡洛模拟可以揭示不确定与风险型问题的统计规律，还原一个真实的经济与管理客观面貌。思想汇报/sixianghuibao/ 与常用确定性的数值计算方法不同，蒙特卡洛模拟是用来解决工程和经济中的非确定性问题，通过成千上万次的模拟，涵盖相应的可能
概率分布空间，从而获得一定概率下的不同数据和频度分布，通过对大量样本值的统计分析，得到满足一定精度的结果，因此蒙特卡洛模拟是进行不确定与风险型问题的有力武器。 1、由于蒙特卡洛模拟是以实验为基础的，因此可以成为财务人员进行风险分析的“实验库”，获得大量有关财务风险等方面的信息，弥补确定型分析手段的不足，避免对不确定与风险决策问题的误导； 2、财务管理、管理会计中存在大量的不确定与风险型问题，目前大多数教材很少涉及这类问题，通过蒙特卡洛模拟，可以对其进行有效分析，解决常用决策方法所无法解决的难题，更加全面深入地分析不确定与风险型问题。 （二）蒙特卡洛模拟步骤以概率型量本利分析为例，蒙特卡洛模拟的分析步骤如下： 1、分析评价参数的特征，如企业经营中的销售数量、销售价格、产品生产的变动成本以及固定成本等，并根据历史资料或专家意见，确定随机变量的某些统计参数； 2、按照一定的参数分布规律，在计算机上产生随机数，如利用EXCEL 提供的RAND函数，模拟量本利分析的概率分布，并利用VLOOKUP 寻找对应概率分布下的销售数量、销售价格、产品生产的变动成本以及固定成本等参数；作文/zuowen/ 3、建立管理会计的数学模型，对于概率型量本利分析有如下关系式，产品利润=产品销售数量×（产品单位销售价格-单位变动成本）-固定成本，这里需要说明的是以上分析参数不是确定型的，是依据某些概
通信原理 课程设计报告 题目：基于蒙特卡罗法2FSK系统抗噪声性能仿真院系： 专业： 班级： 姓名： 指导教师： 2010年12月27日-2010年12月31日
编写MA TLAB的M文件，用该文件的采用相干解调法的2FSK系统的抗噪性能进行1000个符号的蒙特卡罗法仿真，画出误码率与信噪比之间的关系曲线，其中信噪比的取值为r=0dB、2dB、4dB、6dB…10dB，同时画出误码率与信噪比的理论曲线，其中信噪比的取值为r=0dB、0.1dB、0.2dB…10dB。 分步实施： 1）熟悉2FSK系统调制解调，熟悉蒙特卡洛法；熟悉误码率计算； 2）编写主要程序； 3）画出系统仿真误码率曲线的系统理论误码率曲线。
1、蒙特卡罗思想概述 蒙特卡罗方法也称为随机模拟方法,有时也称为随机抽样技术或统计实验方法。它的基本思想是:为了求解数学、物理、工程技术以及生产管理等方面的问题,首先建立一个概率模型或随机过程,使它的参数等于问题的解;然后通过对模型或过程的观察或抽样试验来计算所求参数的统计特征,最后给出所求解的近似值。而解得精确度可用估计值的标准误差来表示。 蒙特卡罗方法可以解决各种类型的问题,但总的来说,视其是否涉及随机过程的性态和结果,该方法处理的问题可以分为两类:第一类是确定性的数学问题,首先建立一个与所求解有关的概率模型,使所求的解就是我们所建立模型的概率分布或数学期望;然后对其进行随机抽样观察,即产生随机变量;最后用其算术平均值作为所求解的近似估计值。第二类是随机性问题,被考察的元素更多的受到随机性的影响,一般情况下采用直接模拟方法,即根据实际物理情况的概率法则,用电子计算机进行抽样试验。 在应用蒙特卡罗方法解决实际问题的过程中,大体有如下几个内容: (1)对求解的问题建立简单而又便于实现的概率统计模型,使所求的解恰好是所建立模型的概率分布或数学期望。 (2)根据概率统计模型的特点和计算实践的需要,尽量改进模型,以便减小方差和费用,提高计算效率。 (3)建立对随机变量的抽样方法,其中包括建立产生伪随机数的方法和建立对所遇到的分布产生随机变量的随机抽样方法。 (4)给出获得所求解的统计估计值及其方差或标准误差的方法。 2、2FSK 系统调制解调原理 频移键控是利用载波的频率变化来传递数字信息。在2FSK 中，载波的频率随二进制基带信号在f1和f2两个频率间变化。用f1和f2分别表示二进制“1”和“0”。因此，2FSK 信号的时域表达式为 )cos()()cos()()(212n n s n n n s n FSK t nT t g a t nT t g a t e θωφω+?? ? ???-++??????-=∑∑∞-∞→∞ -∞ →
绪论 3分析测试技术的发展的三个阶段？ 阶段一：分析化学学科的建立；主要以化学分析为主的阶段。 阶段二：分析仪器开始快速发展的阶段 阶段三：分析测试技术在快速、高灵敏、实时、连续、智能、信息化等方面迅速发展的阶段4现代材料分析的内容及四大类材料分析方法？ 表面和内部组织形貌。包括材料的外观形貌（如纳米线、断口、裂纹等）、晶粒大小与形态、各种相的尺寸与形态、含量与分布、界面（表面、相界、晶界）、位向关系（新相与母相、孪生相）、晶体缺陷（点缺陷、位错、层错）、夹杂物、内应力。 晶体的相结构。各种相的结构，即晶体结构类型和晶体常数，和相组成。 化学成分和价键（电子）结构。包括宏观和微区化学成份（不同相的成份、基体与析出相的成份）、同种元素的不同价键类型和化学环境。 有机物的分子结构和官能团。 形貌分析、物相分析、成分与价键分析与分子结构分析四大类方法 四大分析：1图像分析：光学显微分析（透射光反射光），电子（扫描，透射），隧道扫描，原子力2物象：x射线衍射，电子衍射，中子衍射3化学4分子结构：红外，拉曼，荧光，核磁 获取物质的组成含量结构形态形貌及变化过程的技术 材料结构与性能的表征包括材料性能，微观性能，成分的测试与表征 6.现代材料测试技术的共同之处在哪里？ 除了个别的测试手段（扫描探针显微镜）外，各种测试技术都是利用入射的电磁波或物质波（如X射线、高能电子束、可见光、红外线）与材料试样相互作用后产生的各种各样的物理信号（射线、高能电子束、可见光、红外线），探测这些出射的信号并进行分析处理，就课获得材料的显微结构、外观形貌、相组成、成分等信息。 9.试总结衍射花样的背底来源，并提出一些防止和减少背底的措施 衍射花样要素：衍射线的峰位、线形、强度 答:(I)花材的选用影晌背底; (2)滤波片的作用影响到背底;(3)样品的制备对背底的影响 措施：（1）选靶靶材产生的特征x射线（常用Kα射线）尽可能小的激发样品的荧光辐射，以降低衍射花样背底，使图像清晰。（2）滤波，k系特征辐射包括Ka和kβ射线，因两者波长不同，将使样品的产生两套方位不同得衍射花样;选择浪滋片材料，使λkβ靶<λk滤<λkα，Ka射线因因激发滤波片的荧光辐射而被吸收。(3)样品，样品晶粒为50μm左右，长时间研究，制样时尽量轻压，可减少背底。 11.X射线的性质; x射线是一种电磁波，波长范围:0.01~1000à X射线的波长与晶体中的原子问距同数量级，所以晶体可以用作衍射光栅。用来研究晶体结构，常用波长为0.5~2.5à 不同波长的x射线具有不同的用途。硬x射线:波长较短的硬x封线能量较高，穿透性较强，适用于金属部件的无损探伤及金属物相分析。软x射线:波长较长的软x射线的能量较低，穿透性弱，可用干分析非金属的分析。用于金属探伤的x射线波长为0.05~0.1à当x射线与物质(原子、电子作用时，显示其粒子性，具有能量E＝h 。产生光电效应和康普顿效应等 当x射线与x射线相互作用时，主要表现出波动性。 x射线的探测:荧光屏（ZnS），照相底片，探测器
浅析蒙特卡洛方法原理及应用 于希明 （英才学院1236103班测控技术与仪器专业6120110304） 摘要：本文概述了蒙特卡洛方法产生的历史及基本原理，介绍了蒙特卡洛方法的最初应用——蒲丰投针问题求圆周率，并介绍了蒙特卡洛方法在数学及生活中的一些简单应用，最后总结了蒙特卡洛方法的特点。 关键词：蒙特卡洛方法蒲丰投针生活应用 蒙特卡洛方法（Monte Carlo method），也称统计模拟方法，是二十世纪四十年代中期由于科学技术的发展和电子计算机的发明，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法。它是以概率统计理论为基础, 依据大数定律( 样本均值代替总体均值) , 利用电子计算机数字模拟技术, 解决一些很难直接用数学运算求解或用其他方法不能解决的复杂问题的一种近似计算法。蒙特卡洛方法在金融工程学，宏观经济学，计算物理学（如粒子输运计算、量子热力学计算、空气动力学计算）等领域应用广泛。 一、蒙特卡洛方法的产生及原理 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。在这之前，蒙特卡洛方法就已经存在。1777年，法国数学家蒲丰（Georges Louis Leclere de Buffon，1707—1788）提出用投针实验的方法求圆周率π。这被认为是蒙特卡洛方法的起源。 其基本原理如下：由概率定义知，某事件的概率可以用大量试验中该事件发生的频率来估算，当样本容量足够大时，可以认为该事件的发生频率即为其概率。因此，可以先对影响其可靠度的随机变量进行大量的随机抽样，然后把这些抽样值一组一组地代入功能函数式，确定结构是否失效，最后从中求得结构的失效概率。蒙特卡洛法正是基于此思路进行分析的。 设有统计独立的随机变量Xi(i=1，2，3，…，k)，其对应的概率密度函数分别为fx1，fx2，…，fxk，功能函数式为Z=g(x1，x2，…，xk)。首先根据各随机变量的相应分布，产生N组随机数x1，x2，…，xk值，计算功能函数值Zi=g(x1，x2，…，xk)(i=1，2，…，N)，若其中有L组随机数对应的功能函数值Zi≤0，则当N→∞时，根据伯努利大数定理及正态随机变量的特性有：结构失效概率，可靠指标。 二、蒲丰投针问题 作为蒙特卡洛方法的最初应用, 是解决蒲丰投针问题。1777 年, 法国数学家蒲丰提出利用投针实验求解圆周率的问题。设平面上等距离( 如为2a) 画有一些平行线, 将一根长度为2l( l< a) 的针任意投掷到平面上, 针与任一平行线相交的频率为p 。针的位置可以用针的中心坐标x 和针与平行线的夹角θ来决定。任意方向投针, 便意味着x与θ可以任意取一值, 只是0≤x ≤a, 0≤θ≤π。那么, 投针与任意平行线相交的条件为x ≤ l sinθ。相交频率p 便可用下式求
蒙特卡罗仿真原理 蒙特卡罗(MonteCarlo)方法，又称随机抽样或统计模拟方法，泛指所有基于统计采样进行数值计算的方法。在第二次世界大战期间，美国参与“曼哈顿计划’’的几位科学家Stanislaw Ulam，John Von Neumann 和N．Metropolis等首先将这种方法用于解决原子弹研制中的一个关键问题。后来N．Metropolis用驰名世界的赌城－－－摩纳哥的MonteCarlo一来命名这种方法，为它蒙上了一层神秘色彩。随着现代计算机技术的飞速发展，蒙特卡罗方法已经在统计物理、经济学、社会学甚至气象学等方面的科学研究中发挥了极其重要的作用，将蒙特卡罗方法用于仿真即为蒙特卡罗仿真。蒙特卡罗方法适用于两类问题，第一类是本身就具有随机性的问题，第二类是能够转化为概率模型进行求解的确定性问题。 ※蒙特卡罗方法求解问题的一般步骤 用蒙特卡罗方法求解问题一般包括构造或描述概率过程、从已知概率分布抽样和建立估计量三个步骤。 构造或描述概率过程实际上就是建立随机试验模型，构造概率过程是对确定性问题而言的，描述概率过程是对随机性问题而言的，不同的问题所需要建立的随机试验模型各不相同。 所谓的从已知概率分布抽样指的是随机试验过程，随机模型中必要包含某些已知概率分布的随机变量或随机过程作为输入，进行随机试验的过程就是对这些随机变量的样本或随机过程的样本函数作为输入产生相应输出的过程，因此通常被称为对已知概率分布的抽样。如何产生已知分布的随机变量或随机过程是蒙特卡罗方法中的一个关键问题。 最后一个步骤是获得估计量，蒙特卡罗方法所得到的问题的解总是对真实解的一个估计，本身也是一个随机变量，这个随机变量是由随机试验模型输出通过统计处理得到的。
资料分析 精算基础是理解知悉每一个问题的信息和问法。 列式子是直接舍入的抄（第一次就抄整数） 做题标记法： 提干注意1.2017年城镇消费品零售比农村消费品零售多多少倍？ 2017年全国平均每位网民月均使用移动互联网接入流量约为多少M（注意1024M=1G、平均、月均记得直接在试卷写上12） 一、陷阱 1.（时间）：给2014年，求2013年；求增长率跨度两年；给1-7月，求7月；给年均，求月均 2.（单位）：民航区别万吨和亿吨；人口增长单位区别百分号和千分号----结合现实生活 3.（概念）：六大行业中，全国中的东、中、西 4.选项：问下面哪一年增长率最快? 先看选项（在对应的题目年份标注：用打勾、画圆圈...） 5. 按照2015年水产品产量从多到少，以下排序正确的是？ 注意：产量后的单位的不同；从大到小还是从小到大，做题时标上升降图标；还有主题词的变化；注意时间段*（题目给出1-12个月，还有12月的，问1-11个月的）
陷阱：主题词、单位、时间，范围：“累计”问其中一个时间段、特殊表述 2012年末，中国全年出生人口1635万人，2012年末，0-14岁（不含15周岁）人口为22287人。问：2012年，中国1-14岁（不含15周岁）的人口数量为多少？（） 利润（和我们数量关系不一样） 6.营业利润率= 营业收入 7.增长率：可正可负，且负的小于正的 8.变化幅度：直接比较增长率的绝对值。例如a增长率为-10%，为8%，则a的变化幅度大于b 9.增长（了）n倍=是原来的n+1倍、增长到n倍=原来的n倍。例子：2014年单位与居民物品物流额超过2012年的1.8倍（即为间隔增长率为80%） 10、比例：比重：占、比重、贡献率、利润率、产销率 资料分析：利润率=利润÷收入 成数：几成=十分之几 翻番：翻n番=2的n次方 11.选项首位不同截取两位，首位不同截取三位。（结合具体选项） 12.增长率
实验十五： MATLAB 的蒙特卡洛仿真 一、实验目的 1. 了解蒙特卡洛仿真的基本概念。 2. 了解蒙特卡洛仿真的某些应用 二．实验内容与步骤 1． 蒙特卡洛（Monte Carlo ）仿真的简介 随机模拟方法，也称为Monte Carlo 方法，是一种基于“随机数”的计算方法。这一方法源于美国在第一次世界大战进行的研制原子弹的“曼哈顿计划”。该计划的主持人之一、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。冯·诺伊曼是公理化方法和计算机体系的领袖人物，Monte Carlo 方法也是他的功劳。 事实上，Monte Carlo 方法的基本思想很早以前就被人们所发现和利用。早在17世纪，人们就知道用事件发生的“频率”来决定事件的“概率”。18世纪下半叶的法国学者Buffon 提出用投点试验的方法来确定圆周率π的值。这个著名的Buffon 试验是Monte Carlo 方法的最早的尝试！ 历史上曾有几位学者相继做过这样的试验。不过他们的试验是费时费力的，同时精度不够高，实施起来也很困难。然而，随着计算机技术的飞速发展，人们不需要具体实施这些试验，而只要在计算机上进行大量的、快速的模拟试验就可以了。Monte Carlo 方法是现代计算技术的最为杰出的成果之一，它在工程领域的作用是不可比拟的。 蒙特卡洛(Monte Carlo)模拟是一种通过设定随机过程，反复生成时间序列，计算参数估计量和统计量，进而研究其分布特征的方法。具体的，当系统中各个单元的可靠性特征量已知，但系统的可靠性过于复杂，难以建立可靠性预计的精确数学模型或模型太复杂而不便应用时，可用随机模拟法近似计算出系统可靠性的预计值；随着模拟次数的增多，其预计精度也逐渐增高。由于涉及到时间序列的反复生成，蒙特卡洛模拟法是以高容量和高速度的计算机为前提条件的，因此只是在近些年才得到广泛推广。 2． MC 的原理 针对实际问题建立一个简单且便于实现的概率统计模型，使问题的解对应于该模型中随机变量的概率分布或其某些数字特征，比如，均值和方差等。所构造的模型在主要特征参量方面要与实际问题或系统相一致的。 根据模型中各个随机变量的分布，在计算机上产生随机数，实现一次模拟过程所需的足够数量的随机数。通常先产生均匀分布的随机数，然后生成服从某一分布的随机数，再进行随机模拟试验。 收敛性: 由大数定律, Monte-Carlo 模拟的收敛是以概率而言的． 误差: 用频率估计概率时误差的估计，可由中心极限定理，给定置信水平 的条件下，有： ? ? 模拟次数:由误差公式得 3． 定积分的MC 计算原理 N U σεα2 /1||-≤))((X g Var =σ2 2/1)(εσα-≥U N
以下是各个数的倒数，约等于的，最好牢记1.10到1.30以内的，把除法变为乘法就好算多了 0.9X 分之一 = 1 + （1- 0.9X） X可以取0 到9 的数 1.11=0.9 1.12=0.89 1.13=0.885 1.14=0.877 1.15=0.87 1.16=0.862 1.17=0.855 1.18=0.847 1.19=0.84 1.20=0.83 1.21=0.826 1.22=0.82 1.23=0.813 1.24=0.806 1.25=0.8 1.26=0.794 1.27=0.787 1.28=0.78 1.29=0.775 1.30=0.77 1.35=0.74 1.40=0.714 1.45=0.69 以上是重点，必须背下来， 资料分析四大速算技巧 1.差分法”是在比较两个分数大小时，用“直除法”或者“化同法”等其他速算方式难以解决时可以采取的一种速算方式。 适用形式： 两个分数作比较时，若其中一个分数的分子与分母都比另外一个分数的分子与分母分别仅仅大一点，这时候使用“直除法”、“化同法”经常很难比较出大小关系，而使用“差分法”却可以很好地解决这样的问题。 基础定义： 在满足“适用形式”的两个分数中，我们定义分子与分母都比较大的分数叫“大分数”，分子与分母都比较小的分数叫“小分数”，而这两个分数的分子、分母分别做差得到的新的分数我们定义为“差分数”。例如：324/53.1与313/51.7比较大小，其中324/53.1就是“大分数”，313/51.7就是“小分数”，而324-313/53.1-51.7=11/1.4就是“差分数”。 “差分法”使用基本准则—— “差分数”代替“大分数”与“小分数”作比较： 1、若差分数比小分数大，则大分数比小分数大； 2、若差分数比小分数小，则大分数比小分数小； 3、若差分数与小分数相等，则大分数与小分数相等。 比如上文中就是“11/1.4代替324/53.1与313/51.7作比较”，因为11/1.4＞313/51.7
材料分析方法 1．x射线是一种波长很短的电磁波，具有波粒二相性，粒子性往往表现突出，故x射线也可视为一束具有一定能量的光量子流。X射线有可见光无可比拟的穿透能力，可使荧光物质发光，可使气体或其它物质电离等。 2．相干散射：亦称经典散射，物质中的电子在X射线电场的作用下，产生强迫振动。这样每个电子在各方向产生与入射X射线同频率的电磁波。新的散射波之间发生的干涉现象称为相干散射。 3．不相干散射：亦称量子散射，X射线光子与束缚力不大的外层电子，或自由电子碰撞时电子获得一部分动能成为反冲电子，X射线光子离开原来方向，能量减小，波长增加。 4．吸收限：物质原子序数越大，对X射线的吸收能力越强；对一定的吸收体，X射线的波长越短，穿透能力越强，表现为吸收系数的下降，但随着波长的的降低，质量吸收系数并非呈连续的变化，而是在某些波长位置上突然升高，出现了吸收限。 5．荧光辐射：由入射X射线所激发出来的特征X射线称为荧光辐射（荧光X 射线，二次X射线）。 6．俄歇效应：由于光电效应而处于激发态的原子还有一种释放能量的方式，及俄歇效应。原子中一个K层电子被入射光量子击出后，L层一个电子跃入K层填补空位，此时多余的能量不以辐射X光量子放出，而是以另一个L层电子活的能量跃出吸收体，这样的一个K层空位被两个L层空位代替的过程称为俄歇效应，跃出的L层电子称为俄歇电子。 7．光电子：当入射光量子的能量等于或大于吸收体原子某壳体层电子的结合能时，此光量子就很容易被电子吸收，获得能量的电子从内层溢出，成为自由电子，称为光电子。原子则处于激发态，这种原子被入射辐射电离的现象即光电效应。8．滤波片的作用：滤波片是利用吸收限两侧吸收系数差很大的现象制成的，用以吸收不需要的辐射而得到基本单色的光源。 9．布拉格方程只是获得衍射的必要条件而非充分条件。 10．晶面（hkl）的n级反射面（nh nk nl），用符号（HKL）表示，称为反射面或干涉面。 11．掠射角是入射角（或反射角）与晶面的夹角，可表征衍射的方向。 12．衍射极限条件：在晶体中，干涉面的划取是无极限的，但并非所有的干涉面均能参与衍射，因存在关系dsinθ=λ/2,或d>=λ/2,说明只有间距大于或等于X 射线半波长的那些干涉面才能参与反射。 13．劳埃法：采用连续X射线照射不动的单晶体，因为X射线的波长连续可变，故可从中挑选出其波长满足布拉格关系的X射线使产生衍射。 14．周转晶体法：采用单色X射线照射转动的单晶体，并用一张以旋转轴为轴的圆筒形底片来记录。 15．粉末法：采用单色X射线照射多晶体，试样是由数量众多、取向混乱的微晶体组成。 16．吸收因数：由于试样本身对X射线的吸收，使衍射强度的实测值与计算值不符，为了修正这一影响，则在强度公式中乘以吸收因数。 17．温度因数：原子热振动使晶体点阵原子排列的周期性受到破坏，使得原来严格满足布拉格条件的相干散射产生附加的相差，从而使衍射强度减弱。为修正实验温度给衍射强度带来的影响，需要在积分强度公式中乘以温度因数。
蒙特卡罗方法的解题过程可以归结为三个主要步骤：构造或描述概率过程；实现从已知概率分布抽样；建立各种估计量。 蒙特卡罗方法解题过程的三个主要步骤： （1）构造或描述概率过程 对于本身就具有随机性质的问题，如粒子输运问题，主要是正确描述和模拟这个概率过程，对于本来不是随机性质的确定性问题，比如计算定积分，就必须事先构造一个人为的概率过程，它的某些参量正好是所要求问题的解。即要将不具有随机性质的问题转化为随机性质的问题。 （2）实现从已知概率分布抽样 构造了概率模型以后，由于各种概率模型都可以看作是由各种各样的概率分布构成的，因此产生已知概率分布的随机变量（或随机向量），就成为实现蒙特卡罗方法模拟实验的基本手段，这也是蒙特卡罗方法被称为随机抽样的原因。最简单、最基本、最重要的一个概率分布是（0，1）上的均匀分布（或称矩形分布）。随机数就是具有这种均匀分布的随机变量。随机数序列就是具有这种分布的总体的一个简单子样，也就是一个具有这种分布的相互独立的随机变数序列。产生随机数的问题，就是从这个分布的抽样问题。在计算机上，可以用物理方法产生随机数，但价格昂贵，不能重复，使用不便。另一种方法是用数学递推公式产生。这样产生的序列，与真正的随机数序列不同，所以称为伪随机数，或伪随机数序列。不过，经过多种统计检验表明，它与真正的随机数，或随机数序列具有相近的性质，因此可把它作为真正的随机数来使用。由已知分布随机抽样有各种方法，与从(0,1)上均匀分布抽样不同，这些方法都是借助于随机序列来实现的，也就是说，都是以产生随机数为前提的。由此可见，随机数是我们实现蒙特卡罗模拟的基本工具。 （3）建立各种估计量 一般说来，构造了概率模型并能从中抽样后，即实现模拟实验后，我们就要确定一个随机变量，作为所要求的问题的解，我们称它为无偏估计。建立各种估计量，相当于对模拟实验的结果进行考察和登记，从中得到问题的解。 蒙特卡洛法模拟蒲丰（Buffon）投针实验-使用Matlab 2010年03月31日星期三8:47 蒲丰投针实验是一个著名的概率实验，其原理请参见此页： https://www.doczj.com/doc/a816869490.html,/reese/buffon/buffon.html 现在我们利用Matlab来做模拟，顺便说一下，这种随机模拟方法便是传说中的“蒙特-
一、描述统计 描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数μ与已知的某一总体均数μ0 (常为理论值或标准值)有无差别； B 配对样本t检验：当总体均数未知时，且两个样本可以配对，同对中的两者在可能会影响处理效果的各种条件方面扱为相似；
C 两独立样本t检验：无法找到在各方面极为相似的两样本作配对比较时使用。 2、非参数检验 非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。 A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析 检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致性如何，常用方法分半信度。 四、列联表分析 用于分析离散变量或定型变量之间是否存在相关。
资料分析公式汇总
速算技巧 一、估算法 精度要求不高的情况下，进行粗略估值的速算方式。选项相差较大，或者在被比较的数字相差必须比较大，差距的大小将直接决定对“估算”时对精度的要求。 二、直除法 在比较或者计算较复杂的分数时，通过“直接相除”的方式得到商的首位（首一位、首两位、首三位），从而得出正确答案的速算方式。 常用形式： 1.比较型：比较分数大小时，若其量级相当，首位最大∕小数为最大∕小数 2.计算型：计算分数大小时，选项首位不同，通过计算首位便可得出答案。 难易梯度：1.基础直除法：①可通过直接观察判断首位的情形； ②需要通过手动计算判断首位的情形。 2.多位直除法：通过计算分数的“首两位”或“首三位”判断答案情形。 三、插值法 1.“比较型”插值法 如果A与B的比较，若可以找到一个数C，使得A﹥C，而B﹤C，既可以判定A﹥B；若可以找到一个数C，使得A﹤C，而B﹥C，既可以判定A﹤B； 2.“计算型”插值法 若A﹤C﹤B，则如果f﹥C，则可以得到f=B;如果f﹤C，则可以得到f=A； 若A﹥C﹥B，则如果f﹥C，则可以得到f=A;如果f﹤C，则可以得到f=B。
四、放缩法 当计算精度要求不高时，可以将中间结果进行大胆的“放”（扩大）或者“缩”（缩小），从而迅速得到精度足够的结果。 常用形式： 1. A﹥B,C﹥D,则有A+C﹥B+D；A-D﹥B-C； 2. A﹥B﹥0，C﹥D﹥0，则有A×C﹥B×D；A÷D﹥B÷C 五、割补法 在计算一组数据的平均值或总和值时，首先选取一个中间值，根据中间值将这组数据“割”（减去）或“补”（追上），进而求取平均值或总和值。 常用形式: 1.根据该组数据，粗略估算一个中间值； 2.将该组值分别减去中间值得到一组数值；
第一章X 射线物理学基础 2、若X 射线管的额定功率为1.5KW，在管电压为35KV 时，容许的最大电流是多少？ 答：1.5KW/35KV=0.043A。 4、为使Cu 靶的Kβ线透射系数是Kα线透射系数的1/6，求滤波片的厚度。 答：因X 光管是Cu 靶，故选择Ni 为滤片材料。查表得：μ m α＝49.03cm2／g，μ mβ＝290cm2／g，有公式，，，故：，解得:t=8.35um t 6、欲用Mo 靶X 射线管激发Cu 的荧光X 射线辐射，所需施加的最低管电压是多少？激发出的荧光辐射的波长是多少？ 答：eVk=hc/λ Vk=6.626×10-34×2.998×108/(1.602×10-19×0.71×10-10)=17.46(kv) λ 0=1.24/v(nm)=1.24/17.46(nm)=0.071(nm) 其中h为普郎克常数，其值等于6.626×10-34 e为电子电荷，等于1.602×10-19c 故需加的最低管电压应≥17.46(kv)，所发射的荧光辐射波长是0.071纳米。 7、名词解释：相干散射、不相干散射、荧光辐射、吸收限、俄歇效应 答：⑴当χ射线通过物质时，物质原子的电子在电磁场的作用下将产生受迫振动，受迫振动产生交变电磁场，其频率与入射线的频率相同，这种由于散射线与入射线的波长和频率一致，位相固定，在相同方向上各散射波符合相干条件，故称为相干散射。 ⑵当χ射线经束缚力不大的电子或自由电子散射后，可以得到波长比入射χ射线长的χ射线，且波长随散射方向不同而改变，这种散射现象称为非相干散射。 ⑶一个具有足够能量的χ射线光子从原子内部打出一个K 电子，当外层电子来填充K 空位时，将向外辐射K 系χ射线，这种由χ射线光子激发原子所发生的辐射过程，称荧光辐射。或二次荧光。 ⑷指χ射线通过物质时光子的能量大于或等于使物质原子激发的能量，如入射光子的能量必须等于或大于将K 电子从无穷远移至K 层时所作的功W，称此时的光子波长λ称为K 系的吸收限。 ⑸原子钟一个K层电子被光量子击出后，L层中一个电子跃入K层填补空位，此时多余的能量使L层中另一个电子获得能量越出吸收体，这样一个K层空位被两个L层空位代替的过程称为俄歇效应。 第二章X 射线衍射方向 2、下面是某立方晶第物质的几个晶面，试将它们的面间距从大到小按次序重新排列：（123），（100），（200），（311），（121），（111），（210），（220），（130），（030），（221），（110）。 答：立方晶系中三个边长度相等设为a，则晶面间距为d=a/ 则它们的面间距从大小到按次序是：（100）、（110）、（111）、（200）、（210）、（121）、（220）、（221）、（030）、（130）、
蒙特卡洛方法及其应用 1风险评估及蒙特卡洛方法概述 １.１蒙特卡洛方法。 蒙特卡洛方法，又称随机模拟方法或统计模拟方法，是在20世纪40年代随着电子计算机的发明而提出的。它是以统计抽样理论为基础，利用随机数，经过对随机变量已有数据的统计进行抽样实验或随机模拟，以求得统计量的某个数字特征并将其作为待解决问题的数值解。 蒙特卡洛模拟方法的基本原理是：假定随机变量X1、X2、X3……X n、Y，其中X1、X2、X3……X n 的概率分布已知，且X1、X2、X3……X n、Y有函数关系：Y=F（X1、X2、X3……X n），希望求得随机变量Y的近似分布情况及数字特征。通过抽取符合其概率分布的随机数列X1、X2、X3……X n带入其函数关系式计算获得Y的值。当模拟的次数足够多的时候，我们就可以得到与实际情况相近的函数Y的概率分布和数字特征。 蒙特卡洛法的特点是预测结果给出了预测值的最大值,最小值和最可能值，给出了预测值的区间围及分布规律。 １.２风险评估概述。 风险表现为损损益的不确定性，说明风险产生的结果可能带来损失、获利或是无损失也无获利，属于广义风险。正是因为未来的不确定性使得每一个项目都存在风险。对于一个公司而言，各种投资项目通常会具有不同程度的风险，这些风险对于一个公司的影响不可小视，小到一个项目投资资本的按时回收，大到公司的总风险、公司正常运营。因此，对于风险的测量以及控制是非常重要的一个环节。 风险评估就是量化测评某一事件或事物带来的影响的可能程度。根据“经济人”假设，收益最大化是投资者的主要追求目标，面对不可避免的风险时，降低风险，防止或减少损失，以实现预期最佳是投资的目标。 当评价风险大小时，常有两种评价方式：定性分析与定量分析法。定性分析一般是根据风险度或风险大小等指标对风险因素进行优先级排序，为进一步分析或处理风险提供参考。这种方法适用于对比不同项目的风险程度，但这种方法最大的缺陷是在于，在多个项目中风险最小者也有可能亏损。而定量分析法则是将一些风险指标量化得到一系列的量化指标。通过这些简单易懂的指标，才能使公司的经营者、投资者对于项目分风险有正确的评估与判断，
实验12 检测性能的蒙特卡洛仿真 1、实验目的 了解蒙特卡洛仿真的基本概念，掌握蒙特卡洛仿真方法在分析检测性能方面的应用，通过蒙特卡洛仿真，对检测性能作出评估，通过和理论比较。 2、实验原理 正如(8.1.16)式所指出的那样，最佳检验总可以化简为 10() H T H >γ 可见积分的数值计算问题就转化成了一个概率的计算问题，而概率可以用相对频数来近似，相对频数可通过统计试验的方法求得。具体方法是将M 个随机点(X,Y)均匀地投放到x-y 平面上的正方形区域内，如果有N 个点落在区域G 内，那么相对频数为N/M ，因此， ?N I M = (4) (8.3.8)式是对积分I 的一个估计，很显然，估计的精度取决于试验次数M ，M 也称为蒙特卡洛仿真次数。下面给出了用蒙特卡洛方法计算积分I 的MATLAB 程序。 syms x; y1=int(0.5-(0.5-x).^2,0,1); zhenshizhi=eval(y1) N=0; x1=unifrnd(0,1,1,M); y1=unifrnd(0,1,1,M); for i=1:M if y1(i)<=(0.5-(0.5-x1(i)).^2) N=N+1; end end fangzhenzhi=N/M 从以上的例子可以看出应用蒙特卡洛仿真的一般步骤： 1 建立合适的概率模型； 2 进行多次重复试验； 3 对重复试验结果进行统计分析（估计相对频数、均值等）、分析精度。 利用蒙特卡洛仿真方法，可以仿真检测器的性能。假定判决表达式如（1）式所示，(3)式给出了检测概率的表达式，如果用蒙特卡洛仿真方法估计检测概率，则 11?(()M i i P U T M ==?γ∑z (5) 其中z i 表示第i 次仿真试验所用到的观测矢量。由于
相关主题
文本预览