计算$\pi$

采样法

从图中可知:矩形的面积为 $A_r = 4$,圆的面积为 $A_c = \pi$。现在在矩形框内随机的抽取采样点(均匀抽样),那么采样点位于圆内的概率就为 $p = \frac{A_c}{A_r} =\frac{\pi}{4}$。

步骤:

  • 采样m个点,有n个点在圆内
  • $\pi$值就是:$\pi \approx \frac{4 n}{m}$
  • 误差精度为:$|\frac{4 n}{m} - \pi| = O(\frac{1}{\sqrt{m}})$

Buffon针问题

所有的针都一摸一样,针与纸相交的概率就为 $P = \frac{2l}{\pi d}$。这样根据monte carlo就计算 $\pi$。

计算定积分

问题: 计算下列定积分的值

$$I = \int_a^b f(x) \ dx$$

定积分的定义

$$I =\lim_{n \to \infin} \sum_{i=0}^n f(a + i * \frac{b - a}{n}) \frac{b-a}{n}$$

近似计算:

  1. 根据定积分定义进行近似计算:$I \approx (b - a) \frac{1}{n} \sum\limits_{i=1}^n f(x_i) $

计算期望

期望定义: 试验中每次可能结果的概率乘以其结果的总和,反映随机变量平均取值的大小。$p(x)$代表概率密度函数。

$$E(f(X)) = \int f(x) p(x) \ dx$$

近似计算:

  1. 根据概率密度函数 $p(x)$ 随机采样 $x_1,x_2,\dotsm,x_n$
  2. 根据定积分定义进行近似计算:$E(f(X)) \approx \frac{1}{n} \sum\limits_{i=1}^n f(x_i) $

License

Author: 海拉鲁的三角

Link: http://localhost:1313/artificial_intelligence/posts/reinforcementlearning/monte_carlo/

License: MIT

只要学不死,就往死里学