简单理解蒙德卡洛算法（附实例）

前言

最近的研究项目需要用到马尔可夫链蒙特卡洛算法（Markov Chain Monte Carlo： MCMC），但之前一直不是很明白蒙特卡洛算法的具体原理（很多概率模型直接有调用MCMC的包，所以之前一直不是深入了解过）。前些日子重新认真的学习了一下蒙特卡洛算法，在此配上几个实例讲解一下。

什么是蒙特卡洛？

蒙特卡洛这个名字来源于摩纳哥赌城“蒙特卡洛”（统计学大师Nicholas Metropolis在1947年命名“Monte Carlo method”）。蒙特卡洛是一种统计模拟方法，具体方法是依赖随机样本来对目标做近似（refers to algorithms that rely on repeated random sampling to obtain numerical results）。相比其他统计学算法，蒙特卡洛的强大在于它的简单灵活已经容易实现（虽然不能得到真实值，但在样本基础足够大的时候可以无限逼近于真实值）。

简单的说，蒙特卡洛是尝试使用一些

例1: 通过均匀抽样计算$\pi$值

蒙德卡洛是一种可以估算$\pi$值的算法。这个例子就是假设我们有随机数生成器，那么我们能不能通过随机样本来估算$\pi$呢？

1. 假设我们在一个$x$ ~ $Uniform(-1,1)$, $y$ ~ $Uniform(-1,1)$ 的平面内进行随机采样，那么这些点落在如上图中绿色圆内的概率是多大呢？我们可以计算出:
   P （