matlab泊松分布随机数和图像_【可视化】用蒙特卡洛方法制作分布的动图（python）...

不会被那透明的风暴所迷惑，一定要找到你。——ユリ熊嵐

关于蒙特卡洛

这个学期上统计，学的时候提到蒙特卡洛方法。这个名字听起来很高级，其实就是上随机数乱搞（bushi）。对于一个不熟悉的分布，工程上可以通过生成符合该分布的随机数的方法研究其相关性质，在大数律的保证下，只要生成的随机数足够多，总是能达到需要的精度的。方法很朴实，效果却不错。至少对于像我这样的数学苦手而言，这个方法在很多时候可以避免对付复杂的积分。或者是在研究一些比较冷门的性质的时候，这个方法也可以用于直观地计算。

举个例子

Problem #3658 - ECNU Online Judge​acm.ecnu.edu.cn

若干个月前的EOJ月赛题，大致上是求以下内容：

将

个点随机地投射到一个大小为

的矩形中，每个点的横纵坐标满足独立同分布

，求点两两之间最近距离的期望是多少。

这个题要是手算人就没了，但用蒙特卡洛就很好理解，生成均匀分布的点算最小距离即可。

话归正传，可以总结蒙特卡洛的基本方法：

1. 判断需要什么分布
2. 生成符合分布的随机数
3. 对随机数进行计算

除了计算这些随机数的特征以外，蒙特卡洛的另一个用途就是可以结合可视化，绘制一些分布的直观表示，比如分布的直方图等等。

听起来似乎很简单，具体实现起来也不会太复杂。下面以生成正态分布的动图为例，看一下怎么具体实现蒙特卡洛方法。

绘制动图

基于python实现很简单，因为我们有万能的plt。在这里高呼三声：

PLT NB！

PLT NB！

PLT NB！

然后开始绘制，直方图的绘制是很容易的，直接使用 plt.hist 就可以了。比较麻烦的是生成动图。一开始的想法是先生成足够多张图，然后再调库合并成gif。这么复杂的方法（还有需要中间输出）明显是绕了弯路，但或许是早上刚睡醒神志不清，我在看着程序跑的时候才感觉不对，打开搜索引擎，发现matploylib有提供合成动画的模块animation。对着代码实现^[1]乱搞一下，调整一下画布大小，一个漂亮的动图就出现了！

代码大概长这样子：

import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation, PillowWriter
import numpy as np

fig = plt.figure()

data = np.array(0)


def update(frame):
    plt.cla()
    plt.ylim(0,100)
    plt.xlim(-5,5)
    global data
    data = np.append(data , np.random.randn(20))
    hist = plt.hist(data, 60,density = False,facecolor="blue")
    return hist,

ani = FuncAnimation(fig, update, frames = 100,interval=200)
ani.save("./test-1.gif",writer='pillow')
plt.show()

采用的是animation里面的FuncAnimation方法^[2]，至少需要四个参数，fig是画布，frames是帧数，interval是每帧之间暂停的时间长度（ms）。在每一帧，函数会调用update函数，在update函数里面正常地写绘制的代码就行了。

这个动图是蒙特卡洛在可视化上的应用，如果想要利用蒙特卡洛计算统计量，当然也是可以的。为了同时体现蒙特卡洛的两种应用，在原来的代码上再加一点计算均值和方差的内容，同时表示在动图里。

可以看到，均值和方差与采用的分布（标准正态）基本吻合，可见生成的随机数确实可以用来计算统计量。虽然均值和方差是容易知道的，似乎没有使用蒙特卡洛的必要，但其他的统计量也是同样的道理。

具体的代码实现如下：

import 

生成各种分布的随机数

在上文中，对于怎么生成随机数一直是一笔代过。样例也是最简单的正态分布，任何讲python生成随机数的文章都必会涉及的内容，numpy也提供了简单的调库生成方法。那如果要实现比较复杂的分布，难道还能调库吗？

在大部分情况下，答案是能的，因为numpy提供了大量分布的随机数生成方法^[3]，足以应付大部分情形：

见numpy文档

如果还是不行，那也不是没有办法：

1. 如果已知密度函数，可以生成均匀分布的随机数，用变量变换搞一下；
2. 如果不知道密度函数，但知道生成方法（e.g. 抽卡机制），直接逐个模拟；
3. 如果什么都不知道，那可以强行上渐进正态（并不能），或者退出这篇文章，假装不存在这个方法。

总结

这里主要水了一下蒙特卡洛的实现，顺带介绍了用plt绘制动图的方法。

一句话概括蒙特卡洛，蒙特卡洛就是生成随机数乱搞。

一句话概括绘制动图，调用FuncAnimation，在update函数里写绘制代码。

参考

1. ^https://mp.weixin.qq.com/s?__biz=MzI4MzM2MDgyMQ==&mid=2247489767&idx=1&sn=0a86c6a571db7a7afbeeeba71ccbef7d&chksm=eb8ab3bddcfd3aab1235e2bf925977d82ec3e406d141a29817785772f0a18e556942b31d12ed&token=792422736&lang=zh_CN#rd
2. ^https://matplotlib.org/3.2.1/api/_as_gen/matplotlib.animation.FuncAnimation.html
3. ^https://numpy.org/doc/1.18/reference/random/legacy.html#distributions