用蒙特卡洛求pi_马尔科夫蒙特卡洛方法

最新推荐文章于 2023-06-05 11:05:07 发布
最新推荐文章于 2023-06-05 11:05:07 发布
阅读量540 收藏 1
点赞数
文章标签： 用蒙特卡洛求pi
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_34451330/article/details/112637180
版权

ffe40c002cdbc676a0d99c29add21431.png
本文使用 Zhihu On VSCode 创作并发布

[toc]

主要参考资料 《Foundations of Data Science》（强烈推荐John的书）、蒙特卡洛方法(刘建平)、MCMC的工程应用

应用背景

简介

马尔科夫蒙特卡洛(MCMC)是一种随机采样的方法。很多情况下我们都会遇到这样的问题：

服从一个分布
，我们想知道
的期望。这样一个简单的问题在实际中却会遇到诸如数据庞大无法储存，难以得到显式解等问题，我们首先介绍一下基础的方法，并分析一下它们遇到的问题。

原有方法的介绍

蒙特卡洛方法(基于样本的方法)

我们考虑一个常见的问题，如何估计一个图形的面积？比如说平面上一个圆的面积。
最直观的想法是基于大数定律的撒豆子。用正方形框住这个圆，之后在正方形内均匀采样，看在圆内的比例。假设我们记在圆内的指示函数为

，那么有

这个例子中，

是在正方形内的均匀分布，
。我们能如此简单地处理的原因有两个方面：
  • 均匀分布很容易生成。
  • 面积恰好和均匀分布有关联。但是假设我们没有均匀分布生成器，只有一个高斯分布生成器，或者其他分布，则采样结果的平均值就不是面积了。

对于面积问题，第二个方面很好拓展，因为

，即面积为
的期望，那么我们只需要把希望采样的函数改为
即可。

而对于一般情况，我们很可能真的需要得到一个服从分布

的随机数生成器。而这可以通过接受/拒绝采样获得。

假设我们拥有一个分布

的生成器和一个均匀分布生成器，想要得到分布
，我们只需要让
成为
的一个bounding box，然后再这个bounding box里再次采样出
即可。严格地来讲，我们需要一个放缩系数
，使得
。

8380aa0af08ad9f8020d402d8536052a.png
Image
图片来自蒙特卡洛方法(刘建平)，记号不太一样但是也比较显然

然后依据

采样一个
，并用均匀分布生成器在
之间生成一个随机数，若其小于
，即在红线下方，则保留本次采样结果。否则就是落在了灰色区域，则将此次的
删除。最后保留下来的采样就是依据
得到的结果。(实际上应该是在
之间均匀采样，看是否小于
)

证明： 上面的过程涉及三个采样结果，我们分别用这样的记号表述：依据

采样得到的
，依据均匀分布采样得到的
，结合
和
得到的最终采样结果

我们以连续形式为例。显然，对任意的
,
，这里用条件概率而不是交起来的原因是
是已经筛选后的结果，一定是已经被接受的，故而不用乘上被接受的概率。

然后有

从而

而

。而通过简单的积分交换顺序我们又知道
，其中
是任意一个取值在
之间的随机变量。故而有

故而分别代入三项得到

最低0.47元/天 解锁文章
i山河已秋i
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
蒙特卡罗方法求pi问题
12-27
蒙特卡罗算法介绍，以及用其方法求pi值的理论详细介绍。
C++使用蒙特卡洛方法求PI近似值
最新发布
12-27
蒙特卡洛方法是一种以概率统计理论为指导的数值计算方法，使用随机数（或更常见的伪随机数）来解决很多计算问题。这种方法是通过构造一个和系统性能相近似的概率模型，并在数字计算机上进行随机试验，可以模拟系统的...
蒙特卡洛模拟计算PI
机器学习菜鸟
08-15 2019
import random import time num=1 for i in range(3,6): print('第{0}次试验'.format(num)) start = time.clock() count = 0 for j in range(10**i): x = random.uniform(-1,1) y = ra
利用蒙特卡洛算法求圆周率
04-13 5143
背景知识：蒙特卡洛是摩纳哥公国第一大城市，与澳门、美国拉斯维加斯并称世界三大赌城。位于地中海沿岸，首都摩纳哥之北，建于阿尔卑斯山脉突出地中海的悬崖之上。景色优美，是地中海地区旅游胜地。市内建有豪华的旅馆、俱乐部、歌剧院、商店、游泳池、温泉浴室、运动场等娱乐设施 。城内开设有蒙特卡洛大赌场。赌场建于1865年，为双层楼建筑，上有钟楼、塔厅和拱形亭阁，还饰以若干人物雕塑，庭前棕榈树成行，还辟有花园
蒙特卡罗概率计算PI
kaishihaohaozuoshi的博客
01-07 481
package coding;import java.util.Scanner;public class cha03_MontePI { static double MontePI(int n){ double PI; double x,y; int i, sum; sum=0; for(i=1;i<n;i++){
蒙特卡洛算法
weixin_33725515的博客
07-31 112
算法简介 蒙特·卡罗方法（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。是指使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。蒙特·卡罗方法的名字来源于摩纳哥的一个城市蒙地卡罗，该城市以赌博业闻名，而蒙特·卡罗方法正是以概率为基础的方法。 与它对应...
蒙特卡洛求圆周率_蒙特卡洛_圆周率_
10-02
用蒙特卡洛求圆周率，人为的构造一个合适的概率模型，依照对该模型进行大量的统计实验，使它的统计参量正好是待求问题的解。
蒙特卡洛仿真_蒙特卡洛方法求圆周率_
09-29
通过随机取点，从原理上解释蒙特卡洛方法的过程，并且以求圆周率为例帮助更好理解蒙特卡洛方法。
2008112616515561415.rar_mcmc_mcmc matlab_mcmc算法_蒙特卡洛模拟_马尔科夫链
07-15
matlab 实现的MCMC算法 马尔科夫链蒙特卡洛模拟的matlab源代码
Gibbs.zip_MCMC_Gibbs_gibbs高斯_蒙特卡洛 分布_蒙特卡洛算法_高斯马尔科夫
07-14
MCMC（马尔科夫链蒙特卡洛）中对于高斯分布的Gibbs采样算法
蒙特卡洛matlab仿真求&pi;的代码
08-26
本代码为matlab实现蒙特卡洛仿真求解&pi;的例子，且为动态动画，十分形象生动
感受编程与数理统计“浑然天成”妙趣——利用蒙特卡罗模拟计算精准圆周率π
yuxuanmei
03-30 1611
可以讲给孩子们听，让他们感受编程与数理统计“浑然天成”妙趣的实例——利用蒙特卡罗模拟来尽可能计算精准的圆周率π
蒙特卡洛算法求PI
weixin_30462049的博客
11-20 605
利用蒙特卡洛法随机生成任意点，求出PI 源码： import java.awt.*;import java.util.LinkedList;import javax.swing.*;public class AlgoFrame extends JFrame{ private int canvasWidth; private int canvasHeight; public A...
蒙特卡洛法求Pi
smsmn的专栏
04-21 1894
<br />编程实现如下模拟：<br />飞镖被随机地投掷到以（1，1）和（-1，-1）为对角的正方形内。若飞镖落在单位圆内【即以（0，0）为圆心，1为半径的圆】，算命中。否则未命中。<br />运行这个模拟并用它求PI的近似值。<br /> <br />模型如下图所示：<br /><br />// Circle_PI.cpp : 定义控制台应用程序的入口点。 // #include <iostream> #include <cstdlib> #include <ctime> #include
隐马尔可夫模型（learning-求解λ，以pi为例子）
chickendaddy的博客
06-24 163
根据EM算法公式 θt+1= argmax∑_zi^nP(zi/xi; θt)*ln(p(xi,zi,θ) 在隐马尔可夫模型中， θ=λ λt=(pit,At,Bt) λt+1=(pit+1,At+!,Bt+!) zi = I xi = O 带入上式得到 λt+1 = argmaxλ∑_I▒〖log⁡(p(O,I;〗 θ)) * p(I/O; θ) 根据evaluation部分求解得到的p(O,I; θ)带入得到 λt+1 = argmaxλ∑_I▒〖log⁡(〗 ait-1,it * ait-2,
1蒙特卡洛法求PI
xiaoxiao169的专栏
10-15 510
说明蒙地卡罗为摩洛哥王国之首都，该国位于法国与义大利国境，以赌博闻名。蒙地卡罗的   基本原理为以乱数配合面积公式来进行解题，这种以机率来解题的方式带有赌博的意味，虽然 在精确度上有所疑虑，但其解题的思考方向却是个值得学习的方式。
蒙特卡罗算法求PI的基础原理
weixin_55008454的博客
04-23 343
Monte Carlo算法的基本思想是：以模拟的实验形式、以大量随机样本的统计形式，来得到问题的求解。比如，求圆周率，以数学的方式是非常复杂的，但是我们可以以简单的形式去求解：•如图，我们在正方形内，随机落点•统计落在1/4圆内的点和总点数量的比例即可得到1/4的PI•最终乘以4即可得到PI••比如，红色点的数量比全部点的数量，结果是0.765•那么乘以四可以得到3.06.•3.06就是求得的PI••所以，此方法，
蒙特卡洛模拟求圆周率
jakelihua
06-05 1031
代码的基本思想是利用蒙特卡洛方法（Monte Carlo method）来估计圆周率π。蒙特卡洛方法是一种以概率统计为基础的数值计算方法，通过随机采样得到结果或近似值。在这个程序中，我们生成了一个以原点为中心、半径为r的圆。然后我们模拟投掷n个随机点，如果该点在圆内，则代表当前的点可以绕圆周作一次完整的旋转；而若该点在圆外，则表示该时刻没有绕圆周运动。最后，估计出的圆内点数p与总点数n之比再乘以4，即可得到圆周率的一个估计值。
用蒙特卡洛算法 编程求解Π的值
weixin_53843696的博客
09-24 1119
所以Π的值为4 * (四分之一圆的面积/正方形的面积)正方形内四分之一圆的面积与正方形的面积的比值为Π/4。正方形内四分之一圆的面积为:Πr^2。正方形的面积为4r^2。
python蒙特卡洛求pi，并利用TurTle
06-06
好的，关于求解圆周率&pi;的蒙特卡洛方法，我可以给你提供以下代码： ```python import random import turtle # 设置画布大小和背景颜色 turtle.setup(800, 800) turtle.bgcolor("black") # 绘制正方形和圆形 turtle.speed(10) turtle.penup() turtle.goto(-300, -300) turtle.pendown() turtle.color("white") for i in range(4): turtle.forward(600) turtle.left(90) turtle.penup() turtle.goto(0, 0) turtle.pendown() turtle.color("red") turtle.circle(300) # 利用蒙特卡洛方法求解&pi; n = 1000000 count = 0 for i in range(n): x = random.uniform(-300, 300) y = random.uniform(-300, 300) if x ** 2 + y ** 2 <= 300 ** 2: count += 1 pi = count / n * 4 print("&pi;的值为：", pi) turtle.done() ``` 这段代码中，我们先利用turtle库绘制了一个边长为600的正方形和一个半径为300的圆形，然后利用蒙特卡洛方法生成了100万个坐标点，并计算出这些点中有多少点在圆内。最后，根据蒙特卡洛方法的公式，计算出圆的面积和正方形的面积的比值，即可得到&pi;的值。 如果你想让程序输出的结果在Turtle画布上显示，可以在程序中添加以下代码： ```python turtle.penup() turtle.goto(0, -350) turtle.write("&pi;的值为：" + str(pi), align="center", font=("Arial", 30, "normal")) ``` 这段代码将&pi;的值写在了画布的下方，你可以根据需要修改其位置和字体大小等参数。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值