本文通過五個例子，介紹蒙特卡羅方法（monte carlo method）。
蒙特卡羅方法是一種計算方法。原理是通過大量隨機樣本，去了解乙個系統，進而得到所要計算的值。
它非常強大和靈活，又相當簡單易懂，很容易實現。對於許多問題來說，它往往是最簡單的計算方法，有時甚至是唯一可行的方法。
它誕生於上個世紀40年代美國的"曼哈頓計畫"，名字**於賭城蒙特卡羅，象徵概率。
第乙個例子是，如何用蒙特卡羅方法計算圓周率π。
正方形內部有乙個相切的圓，它們的面積之比是π/4。
現在，在這個正方形內部，隨機產生10000個點（即10000個座標對 (x, y)），計算它們與中心點的距離，從而判斷是否落在圓的內部。
如果這些點均勻分布，那麼圓內的點應該佔到所有點的 π/4，因此將這個比值乘以4，就是π的值。通過r語言指令碼隨機模擬30000個點，π的估算值與真實值相差0.07%。
上面的方法加以推廣，就可以計算任意乙個積分的值。
比如，計算函式 y = x2 在 [0, 1] 區間的積分，就是求出下圖紅色部分的面積。
這個函式在 (1,1) 點的取值為1，所以整個紅色區域在乙個面積為1的正方形裡面。在該正方形內部，產生大量隨機點，可以計算出有多少點落在紅色區域（判斷條件 y < x2）。這個比重就是所要求的積分值。
用matlab模擬100萬個隨機點，結果為0.3328。
蒙特卡羅方法不僅可以用於計算，還可以用於模擬系統內部的隨機運動。下面的例子模擬單車道的交通堵塞。
根據 nagel-schreckenberg 模型，車輛的運動滿足以下規則。
在一條直線上，隨機產生100個點，代表道路上的100輛車，另取概率 p 為 0.3 。上圖中，橫軸代表距離（從左到右），縱軸代表時間（從上到下），因此每一行就表示下一秒的道路情況。
可以看到，該模型會隨機產生交通擁堵（圖形上黑色聚集的部分）。這就證明了，單車道即使沒有任何原因，也會產生交通堵塞。
某產品由八個零件堆疊組成。也就是說，這八個零件的厚度總和，等於該產品的厚度。
已知該產品的厚度，必須控制在27mm以內，但是每個零件有一定的概率，厚度會超出誤差。請問有多大的概率，產品的厚度會超出27mm？
取100000個隨機樣本，每個樣本有8個值，對應8個零件各自的厚度。計算發現，產品的合格率為99.9979%，即百萬分之21的概率，厚度會超出27mm。
**市場有時交易活躍，有時交易冷清。下面是你對市場的**。
已知你的成本在每股5.5元到7.5元之間，平均是6.5元。請問接下來的交易，你的淨利潤會是多少？
取1000個隨機樣本，每個樣本有兩個數值：乙個是**的成本（5.5元到7.5元之間的均勻分布），另乙個是當前市場狀態（冷清、活躍、溫和，各有三分之一可能）。
模擬計算得到，平均淨利潤為92, 427美元。
數值概率演算法（轉 用來說明演算法導論題目！！！）
順便再ps一下，小傑也是我論壇的c c 問題求助板塊的版主,c c 小牛 這一章我就把書中的乙個例子舉出來了，感覺雖然很簡單，但是很有意思。用隨機投點法計算pi值 設有一半徑為r的圓及其外切四邊形。向該正方形隨機地投擲n個點。設落入圓內的點數為k。由於所投入的點在正方形上均勻分布，因而所投入的點落入...
蒙特卡洛演算法
從今天開始要研究sampling methods，主要是mcmc演算法 contents 1.蒙特卡洛介紹 2.蒙特卡洛的應用 3.蒙特卡洛積分 1.蒙特卡洛介紹 蒙特卡羅方法 monte carlo method 也稱統計模擬方法，是二十世紀四十年代中期由於科學技術的 發展和電子計算機的發明，而被...
蒙特卡洛演算法
問題描述 在數值積分法中，利用求單位圓的1 4的面積來求得pi 4從而得到pi。單位圓的1 4面積是乙個扇形，它是邊長為1單位正方形的一部分。只要能求出扇形面積s1在正方形面積s中佔的比例k s1 s就立即能得到s1，從而得到pi的值。怎樣求出扇形面積在正方形面積中佔的比例k呢？乙個辦法是在正方形中...