2.4. Вычисление значения числа
Рассмотрим задачу вычисления значения числа . Эта задача интересна и с дидактической точки зрения, так как помогает совместить простые опыты с решением довольно сложной математической модели по определению числа .
1. Способ дождя. Идея определения числа заключается в следующем: при радиусе круга r = 1, его площадь S равна . Рассмотрим четверть круга (рис.2.2) , тогда
. (2.35)
Если мы определим площадь четверти круга, то определим значение числа . Для определения площади круга используем метод Монте-Карло, который требует применения случайных чисел. Экспериментально случайные числа можно получить как при помощи рулетки, так и при помощи дождя. Для опыта приготовим кусок картона, нарисуем на нем квадрат и впишем в квадрат четверть круга.
Если такой чертеж некоторое время подержать под дождем, то на его поверхности останутся следы капель. Подсчитаем число следов внутри квадрата и внутри четверти круга. Очевидно, что их отношение будет приближенно равно отношению площадей этих фигур, так как попадание капель в различные места чертежа равновероятно, т.е. ,т.к. , то .
Таким образом, значение числа можно найти, определив Nkr – число капель в кругу и Nkv – число капель в квадрате
. (2.36)
Фактически значение площади подынтегральной функции мы нашли, используя метод «зонтика» Неймана.
Генерация случайных чисел на отрезке. Дождь можно заменить таблицей случайных чисел, которая составляется с помощью компьютера по специальной программе (можно воспользоваться одной из многочисленных публикаций таких таблиц, например, в книгах[5,6,7,23,25]). Каждому следу капли поставим в соответствие два случайных числа, характеризующих его положение вдоль осей Ох и Оу (см. рис.2.2).
Случайные числа можно выбрать из таблицы в любом порядке, например, подряд. Пусть первое четырехзначное число в таблице 3265. Из него можно "приготовить" пару чисел, каждое из которых больше нуля и меньше единицы: х=0.32, у=0.65. Эти числа будем считать координатами капли, т. е. капля как будто попала в точку (0.32; 0.65).
Решение. Аналогично поступаем и со всеми выбранными случайными числами. Если окажется, что для точки (xi; yi) выполняется неравенство xi^2 + yi^2> 1, то, значит, она лежит вне круга. Если xi^2 +yi^2<=1, то точка лежит внутри круга.
Для подсчета значения снова воспользуемся формулой (2.36). Ошибка вычислений по этому методу, как правило, пропорциональна , где С - некоторая постоянная, а N - число испытаний. В нашем случае N = N kv. Из этой формулы видно: для того чтобы уменьшить ошибку в 10 раз, нужно увеличить N в 100 раз. Ясно, что широкое применение метода статистических испытаний (Монте-Карло) стало возможным только благодаря компьютерам. Программа 1 и 2 в приложении 3 реализуют описанный метод.
2. Способ "падающей иголки" или игла Бюффона. Идея метода также заключается в вычислении площади под некоторой кривой. В методе иглы Бюффона в качестве подынтегральной кривой используется тригонометрическая функция COS. Сущность метода заключается в том, чтобы экспериментально воспроизвести событие, вероятность которого выражается через число , и приближённо оценить эту вероятность.
Построение модели. Возьмем обыкновенную швейную иголку и лист бумаги. На листе проведем несколько параллельных, прямых линий так, чтобы расстояния между ними были равны а и не превышали длину иголки L.
Чертеж должен быть достаточно большим, чтобы случайно брошенная игла не упала за его пределами. Положение случайным образом брошенной на чертеж иглы (см. рис. 2.4) определяется расстоянием х от ее середины до ближайшей прямой, углом, который игла образует с перпендикуляром, опущенным из середины иглы на ближайшую прямую (см. рис. 2.3). Ясно, что 0<=x<= 1/2, -/2<= у <=/2.
На рис.2.5 изобразим графически функцию у=0.5*l*cos().
Всевозможные расположения иглы характеризуются точками с координатами (;y), расположенными на участке ABCD. Заштрихованный участок AED - это точки, которые соответствуют случаю пересечения иглы с прямыми линиями. Вероятность события - "игла пересекла прямую" - вычисляется по формуле
,
здесь , ,
т. е. . (2.37)
Рис. 2.3 Рис.2.4
|
Вероятность P(a) также можно приблизительно определить многократным бросанием иглы. Пусть иглу бросали на чертеж N раз и она упала k раз, пересекая одну из прямых, тогда при достаточно большом N имеем
. (2.38)
Приравнивая формулы (2.35) и (2.36) получаем формулу для расчета значения (пи).
. (2.39)
При вычислении тригонометрических функций на языке Паскаль и Бейсике углы из градусной меры приходится переводить в радианную меру, где используется значение . Поэтому для построения нашей модели мы используем проекцию иглы (рис.2.4). Координаты проекции иглы на ось ОУ не влияют на наши расчеты. Координату Х1 зададим датчиком случайных чисел. Координата Х2 может изменяться в промежутке Х1<=X2<=X1+L, L - длина иглы. Условие пересечения иглы прямой Х1<=A<=X2, где а - координата х проекции прямой на ОХ. Для конкретности возьмем расстояние между прямыми – а = 2, длину иглы – L =1, количество линий на рис. 2.2. Описанная модель реализована в программах 3 и 4 (см. приложение 3.).
Задания на моделирование:
-
Составить программы определения числа по рассмотренным методам.
-
Провести моделирование.
-
Оценить погрешность результатов и построить графики .
- Глава I. Метод Монте-Карло и Понятия теории вероятностей
- Классификация вероятностно-статистических методов решения прикладных задач
- §1.2. Некоторые понятия и теоремы теории вероятностей
- Понятия теории вероятностей
- 1.2.2. Основные теоремы теории вероятностей 4
- Локальная теорема
- Интегральная теорема
- Закон Больших Чисел
- Центральная предельная теорема (цпт)
- Эта теорема носит название «Центральная предельная теорема» .
- 1.2.3. Оценка погрешности математического ожидания исследуемой величины
- 1.3. Генераторы, алгоритмы получения и преобразования случайных чисел
- 1.3.1. Получение случайных чисел с помощью случайного эксперимента
- 1.3.2. Алгоритмы получения псевдослучайных чисел 5
- 1.3.3. Понятие эталонной 6, случайной величины
- 1.3.4. Преобразование случайных величин 7
- 1.3.5. Генераторы псевдослучайных чисел на эвм
- 1.3.6. Использование таблицы дискретных случайных чисел
- 1.4. Недостатки и достоинства аналитических, приближенных методов решения математических задач, в том числе и метода Монте-Карло
- Глава II. Вероятностное моделирование математических задач
- 2.1. Общая теория решения системы линейных уравнений 8
- 2.2. Вычисление интегралов способом среднего
- Технология вычисления интеграла способом среднего
- Нахождение определенных интегралов способом «зонтика» Неймана
- 4. Задания на моделирование
- 2.4. Вычисление значения числа
- 2.5. Решение уравнений эллиптического типа (задача Дирихле)
- Глава III. Имитационное моделирование физических процессов и явлений
- 3.1. Имитационное моделирование задач нейтронной физики
- 3.1.1. Задача имитационного моделирования прохождения нейтронов через пластинку
- 3.1.2. Моделирование сорта ядра и вида взаимодействия нейтрона с ядром
- 3.1.3. Решение задачи розыгрыша типа взаимодействия и сорта ядра имитационным моделированием
- 1. Вычисление микросечений водорода
- 2. Вычисление микросечений кислорода
- 3. Вычисление микросечений бора
- 4. Вычисление полного микросечения
- 5.Розыгрыш сорта ядра
- 6. Розыгрыш типа взаимодействия
- 7.Определение полного макросечения
- 3.1.4. Определение направления и энергии частиц после рассеяния
- 3.1.5. Моделирование длины свободного пробега
- 3.1.6. Имитационное моделирование траектории движения нейтронов через пластинку (двухмерный случай)
- 5. Задания на моделирование:
- 3.2. Имитационное моделирование прохождения
- 6. Задания на моделирование:
- 7. Результаты моделирования
- 3.3. Имитационное моделирование распространения упругих волн в пористых средах (задача геофизики)
- Результаты моделирования
- 3.4. Имитационное моделирование явления спонтанного излучения атомов
- 3. Задания на моделирование:
- Моделирование явления спонтанного излучения многоатомной системы (сверхизлучения Дике)
- 2. Задания на моделирование:
- Глава IV. Методы компьютерного моделирования в термодинамике
- 4.1. Метод молекулярной динамики
- 6. Задания на моделирование:
- 7. Результаты моделирования
- 4.2. Метод броуновской динамики
- 2. Алгоритм метода броуновской динамики
- 3. Расчет макроскопических параметров
- 4. Задания на моделирование:
- 4. 3. Имитационный метод моделирования броуновских траекторий
- Литература