单位正方形上两个随机点之间距离的期望(均值)

UTF8gbsn

Q:

趣味问题, 假如我有一个边长为1的正方形.
随机的从正方形里面取得两个点$p_1,p_2$.
计算$d_{p_1,p_2}=\Vert p_1-p_2{\Vert }_2^2$. 如果重复这个操作$N$次,
我们就会得到一个距离的集合 D = { d 1 , d 2 , ⋯   , d N } D=\{d_1,d_2,\cdots, d_N\} D={d1​,d2​,⋯,dN​}. 请问$E(D)=?$.
就是两两随机点之间的距离均值是多少?

A1:

这道题看起来很简单, 实际上呢也不难.
我们先写一段python代码来模拟这个过程.

import numpy as np

N = 500000
S = 0

for k in range(N):
    x1 = np.random.rand()
    x2 = np.random.rand()
    y1 = np.random.rand()
    y2 = np.random.rand()
    d = np.sqrt((x1-x2)**2+ (y1-y2)**2)
    S += d

print(S/N)
# 0.5215937080983077

由此可见这个答案是接近0.52的.

A2:

那么我们用模拟的方法给出了近似解, 有没有解析解呢? 答案是当然有.
解析解的精髓就是穷举所有可能性. 而穷举所有可能性的计算形式是什么呢?
答案是积分.

$$E(D)=\frac{{\int }_0^1{\int }_0^1{\int }_0^1{\int }_0^1\sqrt{(x_1-x_2{)}^2+(y_1-y_2{)}^2}d{x}_{1}d{x}_{2}d{y}_{1}d{y}_2}{{\int }_0^1{\int }_0^1{\int }_0^1{\int }_0^{1}1d{x}_{1}d{x}_{2}d{y}_{1}d{y}_2}={\int }_0^1{\int }_0^1{\int }_0^1{\int }_0^1\sqrt{(x_1-x_2{)}^2+(y_1-y_2{)}^2}d{x}_{1}d{x}_{2}d{y}_{1}d{y}_2$$

那么接下来就是如何求这个积分了. 只里面要用到一点概率学的只是.
如果$x,y\sim U(0,1)$, 也就是$x,y$是均匀分布.
那么我们可以得$z=|x-y|$是一个三角分布, 它的密度函数位 $$p(z)=\{\begin{array}{r}2(1-z),z\in (0,1)\\ 0,z\notin (0,1)\end{array}$$

那么可以把原来的积分化为
$$4{\int }_0^1{\int }_0^1\sqrt{x^2+y^2}(1-x)(1-y)dxdy$$

这个等式的由来, 实际上是根据期望的计算方式来的. 因为$x,y$是独立同分布的,
所以求联合分布的期望时可以直接相乘. 接下来我们进行极坐标变换

$$4{\int }_0^{\frac{\pi }{4}}2{\int }_0^{\frac{1}{cos\theta }}\sqrt{r^{2}co{s}^2\theta +r^{2}si{n}^2\theta }\cdot (1-rcos\theta )(1-rsin\theta )rdrd\theta$$

做个化简可得
$$8{\int }_0^{\pi /4}\frac{{\sec }^3\theta }{12}-\frac{{\sec }^3\theta \tan \theta }{20}d\theta$$

$$8\cdot {\left(\frac{\sec \theta \tan \theta +\ln |\sec \theta +\tan \theta |}{24}-\frac{{\sec }^3\theta }{60}\right)}_0^{\pi /4}$$

最后可得解析解为
$$\frac{2+\sqrt{2}+5\ln (\sqrt{2}+1)}{15}\approx 0.521$$