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
。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
的圆。然后我们模拟投掷
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
与总点数
之比再乘以
,即可得到圆周率的一个估计值。
代码主要包括以下几个部分:
该函数在半径为r的单位圆内随机投掷n个点,并返回投掷到圆内的点的数量。投掷的过程实际就是根据均匀分布生成二元组的点(x,y), 然后判断该点是否在圆内,即是否满足
.
该函数使用monte_carlo_pi函数来模拟采样,各采样用不同的随机种子。然后,将得到的圆内点数之和除以总采样数量,得到圆面积与正方形面积之比
的近似值
. 因为圆面积为
,正方形面积为
,所以
.
最后再乘以4即可得到近似的
的值,并根据样本标准差和置信区间计算估计偏差。
这个代码的用处是用蒙特卡罗方法来估计圆周率。该方法可以在很短的时间内得到较为精确的结果,在数值计算中经常被使用。
#include <stdio.h>
#include <stdlib.h>
#include <math.h>
#include <time.h>
/* 该函数模拟了在一个半径为r的圆内投掷n个点的情况,并返回样本中落在圆内的点的数量 */
int monte_carlo_pi(int n, float r)
{
int i;
float x, y, distance;
int p = 0; /* 落在圆内的点的数量 */
for (i = 0; i < n; i++) {
/* 对每个点进行均匀随机分布,即随机生成一个二维点 (x, y),且每个点被生成的概率相等 */
x = (float) rand() / RAND_MAX * 2 * r - r; /* 在[-r, r]范围内随机生成x坐标 */
y = (float) rand() / RAND_MAX * 2 * r - r; /* 在[-r, r]范围内随机生成y坐标 */
/* 判断该点是否在圆内 */
distance = sqrt(x*x + y*y); /* 计算点到原点的距离 */
if (distance <= r) { /* 如果距离小于等于r,则表示该点在圆内*/
p++; /* 投掷的点数加1 */
}
}
return p;
}
/* 主函数,对输入的参数进行处理,调用monte_carlo_pi函数模拟多次投掷情况,并输出结果 */
int main(void)
{
int i; /* 循环计数器 */
int n = 1000000; /* 每次模拟中投掷的点的数量 */
float r = 1.0; /* 圆的半径 */
double mu = 0, s = 0, p_mean, p_stddev, err; /* p的均值、p的方差、样本均值、样本标准差、误差程度 */
srand(time(NULL)); /* 设置随机数种子 */
/* 利用不同的随机种子进行10次模拟 */
for (i = 0; i < 10; i++) {
/* 进行一次投掷,并累计落在圆内的点的数量 */
int p = monte_carlo_pi(n, r); /* 落在圆内的点的数量 */
mu += p; /* 各次投掷所得到的p的和,后面再除以10即为均值 */
s += p * p; /* 各次投掷所得到的p的平方的和,后面再除以10即为方差 */
}
/* 计算得到的p的平均值和标准差 */
mu /= (n * 10); /* 根据大数定理,采样数量越多,样本均值越接近总体均值*/
// 计算样本标准差
s = s / (n * 10 - 1); // 样本方差:S^2=(∑(Xi-X)²)/(N-1)
p_stddev = sqrt(s); // 样本标准差: S = √S^2
err = 1.96 * p_stddev / sqrt(n * 10); /* 根据95%置信区间计算误差程度,1.96为正态分布的值 */
/* 输出结果 */
printf("样本数量:%d\n", n * 10); /* 总共采样了多少个样本 */
printf("圆周率的估计值:%lf\n", 4 * mu); /* 各次投掷所得到的p的均值的均值 */
printf("误差程度:+-%lf\n", 4 * err); /* 置信区间为平均值加减误差程度 */
return 0; /* 程序正常结束*/
}
运行结果:
样本数量:10000000
圆周率的估计值:3.141101
误差程度:+-0.045014