几何概型及蒲丰投针试验主讲：詹晓琳.PPT

几何概型及蒲丰投针试验 主讲：詹晓琳 主要内容 几何概型 几何概型的应用 蒲丰投针试验 蒙特卡罗方法 几何概型Geometric Probability 古典概型的本质特征： 1、样本空间的有限性 2、样本点的等可能性 一般地说，当试验结果为无限时，会出现一些本质的困难，使问题不像有限时那么容易解决，这里讨论其中具有某种“等可能性”的一类问题。 几何概型Geometric Probability 问题 1 ：假设车站每隔 10 分钟发一班车，乘客随机到达车站，问等车时间不超过 3 分钟的概率 ？ 问题 2 ： 已确定失事飞机的黑匣子可能落在面积 1 000平方公里的海域，调查人员每次出海搜索的区域面积为 50 平方公里，假设在这片海域随机地选择一点进行搜寻，问能够找到黑匣子的概率是多少？ 几何概型Geometric Probability “等可能”的确切意义： 设在区域Ω中有任意一个小区域的A,如果它的 面积为S(A),则点落入A中的可能性大小与S(A) 成正比，而与A的位置及形状无关。 几何概型Geometric Probability 几何概型：将古典概型中的有限性推广到无 限性，而保留等可能性，就得到几何概型。 注：几何度量是指长度、面积、体积。 几何概型的应用 例1：一个质地均匀的陀螺的圆周上均匀地刻有[0 , 5)上诸数字，在桌面上旋转它，求当它停下来时，圆周与桌面接触处的刻度位于区间 [2 , 3] 上的概率。 几何概型的应用 例2：甲乙二人相约定6：00-6：30在预定地点会面，先到的人要等候另一人10分钟后，方可离开。求甲乙二人能会面的概率，假定他们在6：00-6：30内的任意时刻到达预定地点的机会是等可能的。 几何概型的应用 思考题：一个圆的所有内接三角形中，其中是锐角三角形的概率是多少？ 几何概型总结 几何概型的特征： 1、试验E的样本空间有一个可度量的几何图形Ω； 2、试验E可以看成在Ω中等可能地投掷一点； 3、事件A就是所投掷的点落在Ω中的可度量几何图形A中 。 蒲丰Comte de Buffon 1707～1788， 法国数学家， 自然科学家， 几何概率的 开创者，以 蒲丰投针问题 闻名于世。 蒲丰投针问题Buffon’s needle?problem 在平面上画有等距离 为 的一些平 行线，向平面上随机 投一长 的 针。1768年，蒲丰利 用投针试验估计?值。 蒲丰投针问题的求解 解：设针投到平面上的位置可以用一组参数 来描述， 为针的中心距离最近一条平行线的距离， 为针与平行线正方向的夹角。 则该试验的样本空间为 设平行线与针相交为事件 ，因为针 与平行线相交的充要条件是 ， 即 蒲丰投针问题的求解 蒲丰投针问题的求解 针与平行线相交的概率与?有关，现将m根长 为 的针投向平面，记针与平行线相交的 频率为 ，其中n为相交的次数。 由大数定律知： 故有： 即可以通过投针试验求?的近似值。 蒲丰投针试验的结果 一些人进行了试验，将结果列于下表： 蒙特卡罗的基本思想 由蒲丰投针试验可以看出： 1、当所求问题的解是某个事件的概率，或者是某个随机变量的数学期望； 2、通过某种试验的方法，可以得出该事件发生的频率，或者该随机变量的样本均值； 3、利用大数定理得到的关于频率和样本均值的收敛性，可以得到有关1的解。  蒙特卡罗方法Monte Carlo Method Monte Carlo方法：亦称统计模拟方法，statistical simulation method即利用随机数进行数值模拟的方法。为了得到具有一定精确度的近似解，所需试验的次数是很多的，通过人工方法作大量的试验相当困难，甚至是不可能。本世纪四十年代以来，由于电子计算机的出现，使得人们可以通过计算机来模拟随机试验过程，把巨大数目的随机试验交由计算机完成，因此又称为计算机模拟。 Monte Carlo名字的由来 Monte Carl是由Metropolis在二次世界大战期间提出的：Manhattan计划，研究与原子弹有关的中子输运过程。 Monte Carlo是摩纳哥（Monaco)的首都，该城以赌博闻名。 蒙特卡罗方法的应用 用传统方法难以解决的问题中，特别针对随机 模型．由于这类模型含有不确定的随机因素， 分析起来通常