目录

  • 1 概率论的基本概念
    • 1.1 随机试验
    • 1.2 样本空间、随机事件
    • 1.3 频率与概率
    • 1.4 等可能概型(古典概型)
    • 1.5 条件概率
    • 1.6 独立性
  • 2 随机变量及其分布
    • 2.1 随机变量
    • 2.2 离散型随机变量及其分布
    • 2.3 随机变量的分布函数
    • 2.4 连续型随机变量及其概率密度
    • 2.5 随机变量的函数的分布
  • 3 多维随机变量及其分布
    • 3.1 二维随机变量
    • 3.2 边缘分布
    • 3.3 新建目录
    • 3.4 新建目录
    • 3.5 二维随机变量的特征数
  • 4 随机变量的数字特征
    • 4.1 数学期望
    • 4.2 随机变量的数字特征
    • 4.3 协方差及相关系数
    • 4.4 矩、协方差矩阵
  • 5 大数定律与中心极限定理
    • 5.1 大数定律
    • 5.2 中心极限定理
  • 6 统计量及其分布
    • 6.1 样本数据的整理与显示
    • 6.2 统计量及其分布
  • 7 参数估计
    • 7.1 点估计得几种方法
    • 7.2 点估计的评价标准
    • 7.3 区间估计
  • 8 假设检验
    • 8.1 假设检验的基本思想与概念
    • 8.2 正态总体参数假设检验
  • 9 基于R语言的实验
    • 9.1 R语言介绍
    • 9.2 R软件下载与安装
    • 9.3 初识R软件
    • 9.4 蒲丰投针的计算
    • 9.5 同一天生日的计算
    • 9.6 抛硬币和骰子
    • 9.7 两点分布
    • 9.8 二项分布
    • 9.9 泊松分布
    • 9.10 正态分布
    • 9.11 指数分布
蒲丰投针的计算

【R实验】投针试验与pie的近似计算

  1. 平面上画着一些平行线,每两条之间的距离为a.在此平面上任意投一枚针,其长为L,试求这针与某一直线相交的概率。

  2. 本章讨论了Buffon投针实验的计算,以下用R模拟投针实验,重现Buffon投针。该实验在计算机上使用R来实现,需要以下两个步骤

(1) 产生随机数。产生n个相互独立的随机变量抽样序列

 x<-runif(1,0,a/2)用于生成均匀分布的随机数,使得

 alpha<-runif(1,0,1)*pi生成均匀分布的随机数,使得

(2) 模拟实验,检验不等式x <=L/2 * sinα,   设上面的实验有k次成功的,则可以得到pie的值。


先写出投针函数。试验次数记为n,直线间隔记为a,针的长度记为L,针与线相交次数记为k,针的中点M到最近的直线的距离记为x

> BuffonNeedle<-function(n,a,L){

+   k<-0

+   for (i in 1:n) {

+     x<-runif(1,0, a/2)

+     alpha<-runif(1,0,1)*pi

+     if(1/2*L*sin(alpha)>=x){k=k+1}

+   }

+   #估算概率

+   p<-k/n

+   #估算pi

+   pie<-(2*L)/(a*p)

+   result<-c('估计的概率'=p,'pi的估计值'=pie);result

+}

 

设置不同的参数观察计算得到的概率值,以及pie值。

>set.seed(3)

>BuffonNeedle(n=10000,a=4,L=2)

估计的概率 pi的估计值

  0.320200  3.123048

>set.seed(3)

>BuffonNeedle(10000,1,0.8)

估计的概率 pi的估计值

  0.511400  3.128666

>set.seed(3)

>BuffonNeedle(10000,2,1.5)

估计的概率 pi的估计值

  0.480500  3.121748