蒙特卡洛方法

蒙特卡洛方法

---

首先从一个简单的例子入手，我们如何从概率的角度求得近似的PI？

一个不难理解的方法，我们向一个区域投球这个区域有个子区域，球落到子区域的概率是子区域与整个区域的比值。

由此，我们可以想到假设我们向一个边长为2的正方形区域投球，投到他最大内切圆的概率是（便于计算）:圆的面积比上正方形面积在这个假设下的概率是PI/(2*2)，由大数定律，我们都知道事情发生的频率随着事件规模n的增大无限接近事件的概率。由此我们可以不断的抛球，重复次数足够多后可以得到较为接近概率的频率，我们可以将这个频率看成概率带入公式即乘4就是所求的PI的近似值。基本java 代码如下：

double  n =sc.nextLong();
long count=0; 
x=Math.random()*2.0;
y=Math.random()*2.0;
if ( Math.pow(x-1,2)+ Math.pow(y-1,2)<=1)
		count ++;
System.out.println("PI="+String.format("%10f",4.0*count/n));

结果：

所谓蒙特卡洛方法的基本思想就是：当所求解问题是某种随机事件出现的概率，或者是某个随机变量的期望值时，通过某种“实验”的方法，以这种事件出现的频率估计这一随机事件的概率，或者得到这个随机变量的某些数字特征，并将其作为问题的解。（百度百科）

基本上就是通过频率估计近似得到概率，根据概率的理论公式算出索要求的某个量。

所以蒙特卡洛的基本步骤：

1、构造概率描述步骤

例如上文例子中把求PI转化为投球的频率来描述投球概率

2、 实现从已知概率分布抽样

上文已知投球的点的坐标（x,y）随机取样（取0-2的随机数）

3、建立各种估计量

PI