蒲丰投针问题
蒲丰投针――MonteCarlo算法
蒲丰投针 ―― Monte Carlo 算法背景：蒙特卡罗方法（Monte Carlo ），也称统计模拟方法，是在二次世界大战期间随着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基础的一类非常重要的数值计算方法。
蒙特卡罗方法在应用物理、原子能、固体物理、化学、生态学、社会学以及经济行为等领域中得到广泛利用。
蒙特卡罗方法的名字来源于世界著名的赌城 —— 摩纳哥的蒙特卡罗。
其历史起源可追溯到1777年法国科学家蒲丰提出的一种计算圆周的方法 —— 随机投针法，即著名的蒲丰投针问题。
问题：设在平面上有一组平行线，间距为d ，把一根长L 的针随机投上去，则这根针和平行线相交的概率是多少？(其中 L < d )分析：由于 L < d ，所以这根针至多只能与一条平行线相交。
设针的中点与最近的平行线之间的距离为 y ，针与平行线的夹角为 θ (0 ≤ θ ≤ π)。
相交情形 不相交情形易知针与平行线相交的充要条件是：sin 2Ly x θ≤=由于1[0,], [0, ]2y d θπ∈∈，且它们的取值均满足平均分布。
建立直角坐标系，则针与平行线的相交条件在坐标系下就是曲线所围成的曲边梯形区域（见右图）。
所以有几何概率可知针与平行线相交的概率是sin d 2212LL p d d πθθππ==⎰Monte Carlo 方法：随机产生满足平均分布的 y 和 θ，其中1[0,], [0, ]2y d θπ∈∈，判断 y 是否在曲边梯形内。
重复上述试验，并统计 y 在曲边梯形内的次数 m ，其与试验次数 n 的比值即为针与平行线相交的概率的近似值。
clear;n = 100000; L = 1; d = 2; m = 0;for k = 1 : ntheta = rand(1)*pi; y = rand(1)*d/2;if y < sin(theta)*L/2m = m + 1; end endfprintf('针与平行线相交的概率大约为 %f\n', m/n)计算π的近似值利用该方法可以计算 π 的近似值：sin d 22 22 1n LL m p d m d L d n πθθπππ⇒≈==≈⎰下面是一些通过蒲丰投针实验计算出来的 π 的近似值：蒲丰投针问题的重要性并非是为了求得比其它方法更精确的π值，而是在于它是第一个用几何形式表达概率问题的例子。
蒲丰投针试验讲解课件
该试验不仅在理论上具有重要意义，对 于理解随机性和几何规律的本质有重要 贡献，而且在实际应用中也有广泛的应
用价值。
蒲丰投针试验可以应用于统计学、物理 学、计算机科学等多个领域，为相关领
域的研究提供了重要的启示和工具。
蒲丰投针试验的局限性
01
02
03
04
蒲丰投针试验虽然是一个经典 的试验，但是它也存在一些局
针方向与平行线垂直。
重复投掷蒲丰投针N次，记录每 次投掷的结果。
测量与计算阶段
测量投掷后蒲丰投针 与平行线之间的距离 ，记录下来。
根据公式π=2*n/N ，计算π的近似值， 其中n为相交次数， N为投掷次数。
根据记录的数据，计 算蒲丰投针与平行线 相交的次数。
CHAPTER 03
试验结果分析
蒲丰投针试验的预期结果
蒲丰投针试验是一种估算π值的方法，其预期结果是通过投掷 一根针到一张白纸上，然后统计针与白纸边缘相交的次数， 来估算π的值。
蒲丰投针试验的预期结果是根据概率论和几何学原理推导出 来的，即当投掷次数足够多时，针与白纸边缘相交的频率接 近于π/4。
实际结果与预期结果的比较
在实际进行蒲丰投针试验时，需要记录针与白纸边缘相交的次数，并计 算出相应的π值。
限性。
首先，该试验的结果受到投针 方式、试验环境等因素的影响 ，可能导致结果存在误差。
其次，蒲丰投针试验的应用范 围相对有限，主要适用于一些 特定的几何形状和随机性问题
。
最后，蒲丰投针试验的结论仅 适用于理想化的模型，与实际
情况可能存在差异。
未来研究方向与展望
随着科学技术的发展和研究的深入， 蒲丰投针试验在未来仍有广阔的研究 前景。
蒲丰投针试验讲解课 件
第二节 引例
结合图 8．2 中的图形(1)分析，只要已知各种参数及函数（a，b，H，f(x)） ，有以下两种 方法可近似计算水塘面积．
1．随机投点法 1）赋初值：试验次数 n=0，成功次数 m=0；规定投点试验的总次数 N；
2）随机选择m个数对 xi , y i ,1 < i < m, ，其中 a < xi < b,0 < y i < H ，置 n＝n＋l； 3）判断 n ≤ N ，若是，转 4，否则停止计算； 若成立则置m=m+1， 转 2， 4） 判断条件 y i < f ( xi ) (表示一块溅水的石头)是否成立， 否则转 2； 5）计算水塘面积的近似值 S = H × (b − a ) × m / N ．
蒲丰投针问题
蒲丰投针问题1.蒲丰简介蒲丰有的时候翻译成布丰，是18世纪法国著名的博物学家。
他喜欢研究数学和生物学。
主要的贡献有：（1）翻译了牛顿的《流数法》，流数法按现在的说法就叫微积分。
（2）写了一本巨著，这部巨著的名字叫《自然史》，因为他特别喜欢研究生物。
这个自然史一共有44卷，其中他生前写了36卷，后来他学生又完成了。
这本书对后来的世界有很大的影响，尤其影响到一个人叫达尔文，所以蒲丰这个人其实是很厉害的。
2.蒲丰投针1777年，在蒲丰晚年的时候，他有一次举行了一个家庭宴会。
邀请了一大堆他的朋友来帮他做实验。
做什么实验呢，就“投针”。
那朋友来了之后发现，就是桌子上有很多根间距相等的平行线。
然后蒲丰就说了，给你们同样大的针，你把这些针随机扔到这个桌子上。
然后宾客就随便扔吗，有可能这样，有可能这样……，随便扔是吧，这都有可能，什么情况都有可能。
有的针就没有跟平行线相交，比如这个，这个，这个，就没有相交，也有相交的，比如这个，这个，这个，这是相交的，对吧，然后他就数，他说这个针一共投了多少个呢？一共投了n =2212个。
其中与这个平行线相交的针有多少个，数了一下有m =704个。
然后他说，我现在可以计算圆周率了，别人都不信，他说你看我圆周率怎么算，我只要把这两个数相除就行了。
我用n 除以m ，这个数除完了大概是3.142，这个就是圆周率了。
别人说好神奇，这怎么回事儿，蒲丰说我给你解释解释这个原理是什么？其实这个原理并不复杂，我们来看一下它的原理是什么。
3. 蒲丰投针原理(1)首先，它这个平行线是严格平行的，那平行线之间的距离是固定的，是a 。
然后我随意地把一根针投上去，也许相交，也许不相交，这不一定。
比如说这个针投上去了，投上去了之后，针的总长是b ，针有一个中点叫M ，对吧，这个M 到它比较近的平行线之间的距离我们设为x ，大家注意，这个是针的中点到比较近的平行线的距离是x ，所以我们应该知道x 的范围。
x 的最小值就是这个终点正好落在平行线上，那最小值是0，对吧。
蒲丰(Buffon)投针试验
一、利用Matlab计算机语言验证蒲丰(Buffon)投针试验问题给定a=10，b=5时，模拟100万次投针实验的Matlab程序如下：a=10;b=5;n=1000000;p=10; % a为平行线间距，b为针的长度，n为投掷次数，p为有效数字位数x=unifrnd(0,a/2,[n,1]);phi=unifrnd(0,pi,[n,1]); % 产生均匀分布的随机数，分别模拟针的中点与最近平行线的距离和针的倾斜角y=x<0.5*b*sin(phi); m=sum(y); % 计数针与平行线相交的次数PI=vpa(2*b*n/(a*m),p)运行结果PI =3.138919145二、利用C++计算机语言编程通过大量重复实验验证以下结论：三个阄，其中一个阄内写着“有”字，两个阄内不写字，三人依次抓取，各人抓到“有”字阄的概率均为1/3。
程序如下：#include<stdio.h>#include<stdlib.h>#include<time.h>void main(){int n=500000;int i,a[3]={0};srand(time(NULL));for(i=0;i<n;i++)a[rand()%3]++;printf("共测试%d次，其中有字事件有%d次, 占%.2f%%\n""抓到无字事件1有%d次，占%.2f%%\n""抓到无字事件2有%d次，占%.2f%%\n""抓到无字事件共%d次，占%.2f%%",n,a[0],a[0]*100.0/n,a[1],a[1]*100.0/n,a[2],a[2]*100.0/n,a[1]+a[2],(a[1]+a[2])*100.0/n);return 0;}。
蒲丰投针实验模拟
一、蒲丰投针问题在平面上画有等距离的一些平行线，平行线间的距离为a(a>0) ，向平面上随机投一长为l(l<a)的针，针与平行线相交的概率p，结果发现π =2*l/(a*p).二、试验方法能够采纳MATLAB软件进行模拟实验，即用MATLAB编写程序来进行“蒲丰投针实验”。
1、基来源理因为针投到纸上的时候，有各样不一样方向和地点，但是，每一次投针时，其地点和方向都能够由两个量独一确立，那就是针的中点和偏离水平的角度。
以 x 表示针的中点到近来的一条平行线的距离，β表示针与平行线的交角。
明显有0<=x<=a/2 ，0<=β <=Pi 。
用边长为 a/2 及 Pi 的长方形表示样本空间。
为使针与平行线相交，一定x<=l*sinβ * ，知足这个关系的地区面积是从0 到Pi的l*sinβ对β的积分，可计算出这个概率值是(2l)/(Pi*a)。
只需随机生成n 对这样的x 和β，就能够模拟 n 次的投针实验，而后统计知足 x<=l*sin β * 的 x 的个数，就能够以为这是订交的次数。
而后利用公式求得π值。
2、MATLAB编程clear ('n')clear('a')clear('x')clear('f')clear ('y')clear ('m')disp(' 本程序用来进行投针实验的演示， a 代表两线间的宽度，针的长度 l=a/2 ，n 代表实验次数 '); a=input(' 请输入 a：');n=input(' 请输入 n：');x=unifrnd(0,a/2,[n,1]);f=unifrnd(0,pi,[n,1]);y=x<*a*sin(f);m=sum(y);PI=vpa(a*n/(a*m))三、实验数据 ( 部分程序截屏见后 )a n PI第一次310000第二次310000第三次3100000第四次3100000第五次31000000第六次31000000第七次3第八次3第九次3第十次3四、实验结论从上述数据剖析可知，跟着模拟次数的愈来愈多， PI 的值渐渐稳固在π值邻近，即愈来愈趋近于π，故蒲丰投针实验的确能够模拟出π的值。
蒲丰投针问题
蒲丰投针问题
1.有一只小猫，抓到20只老鼠，他准备每次吃掉奇数位置的老鼠，直到最后一只老鼠就把它放生，有一只很聪明的老鼠听到这里，就站到了一个位置上，最后它果然是那只被放生的老鼠，请问它站的是第几个位置？
2.伟大的数学家蒲丰，他邀请了他的很多朋友到他家，他在纸上画了很多间距相同的平行线，他给了他朋友很多长度是平行线间距一半的针，经过几千次的数据收集，针与平行线相交的数量与总数量的比值是
3.14，与π接近，各位知道是什么原因吗？。
浦丰投针问题
怎么办呢？
如果我们将针的每一个位置看作是一个基 本事件，此时，假定每一个位置都“同等可能” 是合理的。这样就可以用几何概率去解决。
模型建立与求解
x 以M 表示针落下后的中点， 表示中点 M 到最近一条平行线的距离， 表示针于平行线
x
a 2
的交角
则基本事件区域为 a 0 x : 2 0
这种方法由于来源于浦丰投针问题，常常被 称为随机投针法。更进一步的，这种方法成为了 现代计算机模拟的基础——蒙特卡洛方法。
结束
L ( A)
a
x
x
a 2
投针简图
0
1 l sin d l 2
o
从而所求概率为 L( A) l 2l p L ( ) 1 a a 2
模型分析
2l 2）由于 p a
l 1）当比值 不变时， 值始终不变 p a
2l a 所以可以利用它来计算 的近似值
o
基本事件简图
它为 ox 平面上的一个矩形，其面积为：
a L() 2M 为使针与平线（这线必定是它与 最近的一条平行线）相交，其充要条件是 l 0 x sin , A 2 （为什么？） 0 显然A 是Ω 中的一个区域（如图） ， 而 A 的面积为
对于一些不确定的自然现象和科学实验 结果，我们通常用概率统计学去研究，建立 概率统计模型（随机现象）
问题：平面上画有等距离为a ( a 0) l 的一些平行线,向此平面投一长为 (l a ) 的针,试求此针与任一平行线 相交的概率？
分析： 针投到平面上与平行线的关系有两种可能：
针与这些平行线中的某一根相交，或不相交。 这两种可能性一般来说不一样大，即不具有等 可能性。因此无法用古典概率来求解。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图 3－ 1
图 3－ 2
图 3－3 －
图 3－ 4
图 3－ 5 从结果来看精度较差，同学可以增大容量和改变 l 取值来提高精度.
实验结果与实验总结(体会)： 第一次 n=50 k= 圆周率 16 3.125 第二次 n=100 k= 圆周率 32 3.125 第三次 n=1000 k= 圆周率 295 3.389831 第四次 n=10000 k= 圆周率 3.08928 3237 第五次 n=30000 k= 圆周率 9572 3.134141
实验原理与数学模型： x 表示针的中点与最近一条平行线的距离,又以 ϕ 表示 设
针与此直线的交角,不难得出样本空间 Ω 满足
0 ≤ x ≤ d / 2, 0 ≤ ϕ ≤ π .
针与平行线相交（记为事件 A） ，其充要条件是 l x ≤ sin ϕ 2 2l 因此， P ( A) = dπ
若做了 n 次试验，有 k 次相交，则
k 2l ≈ n dπ
即， π ≈
2nl kd
实验所用软件及版本：
主要内容(要点): 蒲丰投针问题： 下面上画有间隔为 d (d > 0) 的等距平行线，向平 面任意投一枚长为 l (l < d ) 的针，求针与任一平行线相交的概率. 进而求 π 的近似值. 对于 n =50,100,1000,10000,50000 各作 5 次试验,分别求出π 的近似值.写出书面报 告、总结出随机模拟的思路. 设计一个随机实验,使一个事件的概率与某个未知数有关,通过重复试验,以频率 估计概率,求得未知数的近似解。试验次数越多，近似解就越精确。
l (l < d ) 的针，求针与任一平行线相交的概率. 进而求 π 的近似值.
日期 2011 年 6 月 28 日 姓名
09BLeabharlann 郭世伟学号094080106
随机模拟计算π 的值----蒲丰投针问题
对于 n =50,100,500,1000,3000 各做 5 次试验,分别求出π 的近似值.写出书面报告、 总结出随机模拟的思路. 实验目的： 本实验旨在使学生掌握蒲丰投针问题,并由此发展起来的随机模拟法,从中体学会 到新思想产生的过程. （1）学习和掌握 Excel 的有关命令 （2）掌握蒲丰投针问题 （3）理解随机模拟法 （4）理解概率的统计定义
实验过程： （含解决方法和基本步骤，主要程序清单及异常情况记录等） 设 d = 1, l = 1/ 2. 我们可以认为 x 服从[0，1/2]上的均匀分布，ϕ 服从[0，π ]上的均匀 分布. (1)分别产生 x和ϕ 两列随机数（ n=100 ）如图 3－1.
l ，确定，然后，复制 (2)计算 sin ϕ ，在公式行中输入 C4“=($C$2*SIN(B4))/2” 2 即可. 如图 3－2.
进一步讨论或展望: 做了多组试验后发现，当 n 取值很小时，比如 n=50,100 时，结 果的误差有点大，而当 n 的值越来越大时，比如 n=10000,n=30000 时得到的值会越 来越接近圆周率，说明，当样本空间足够大时，我们得到的结果就会在圆周率真实的 附近摆动.所以以后做实验时，我们要多做几组数据，并且样本空间要取得足够大，以 减小误差。 另外，实验中我发现，当做同一 n 值的多次试验时，只要我们改动其中的随机变量 的值，也就是用随机变量发生器重新产生一组数据我们就可以得到一组新的数据，这 就会很方便，这是因为 Excel2003 的优越性，一旦公式写好后只要改变相应值就会引 其结果的变化，这在以后我们的学习中会有很大帮助。
数学实验报告
实验序号：3 班级 实验 名称 问题的背景： 在历史上人们对 π 的计算非常感兴趣性，发明了许多求 π 的近似值的方法，其中 用蒲丰投针问题来解决求 π 的近似值的思想方法在科学占有重要的位置，人们用这一 思想发现了随机模拟的方法. 蒲丰投针问题： 向平面任意投一枚长为 蒲丰投针问题： 平面上画有间隔为 d (d > 0) 的等距平行线，
(3)比较大小，若 x ≤ (l sin ϕ ) / 2 ，则赋值“TRUE” ，否则赋值“FALSE”,如图 3 －3. (4)统计频数，用函数命令“COUNTIF”,在参数选项内选 “TRUE”,如图 3－4. 2nl (5)在公式行输入 π ≈ ，即输入=(2*$C$2*$A$2)/($B$2*$E$4) kd 就可得到结果，如图 3－5.
教师评语与成绩：