蒲丰投针问题概率论论文.docxVIP

Buffon投针问题摘要 本文讨论了Buffon投针问题的解法及其不同解法之间的内在联系，同时从投针到投平面图形对Buffon投针问题给出了一些推广，并得到一般的结论，指出了其概率在探矿、近似计算中的应用。关键词蒲丰投针 概率 随机试验 近似计算引言蒲丰投针问题是由法国科学家蒲丰（Buffon）在1777年提出的，它是概率中非常有代表性的问题，它是第一个用几何形式表达概率问题的例子，其结论具有很强的理论与实际意义。蒲丰针问题的解决不仅较典型的反应了集合概率的特征及处理方法，而且还可以由此领略到从“概率土壤”上开出的一朵瑰丽的鲜花——蒙特卡洛（Monte-Carlo）方法。Buffon投针问题及其解法Buffon投针问题：平面上画有等距离的平行线，每两条平行线之间的距离为2a，向平面任意投掷一枚长为的针，试求针与平行线相交的概率。解：以表示针的中点M到最近一条平行线的距离，以表示该针与平行线的夹角。针与平行线的关系见图1.则有：，由它们所围成的矩形区域记为。针与平行线相交的充要条件是：，记满足这个关系的区域为(图2中的阴影部分)。则所求概率为Buffon投针问题不同解法及其内在联系上述解法是常见解法之一(记为解法一)，这里讨论一下蒲丰针问题的其他解法及其之间的联系。其他解法解法二：以表示针的重点到最近一条平行线的距离，y表示该针在此平行线上投影和长度，如图3所示。易知和的取值范围是，这两个不等式确定了平面上的矩形区域，针与平行线相交的充要条件是，该不等式确定了矩形区域(如图4所示)中的区域，从而所求概率为解法三：作垂直于平行线的直线，在该直线上选定一方向为正向，用，分别表示针头与针尾关于某平行线的纵坐标(如图5所示)，该平行线的选取应使。注意到，满足，则在平面上确定了矩形区域中的子集(如图6所示)，因此，所求概率为矛盾产生的原因三种解法得出三种完全不同的结果，直观上看，是由于它们所用的随机变量不同，但本质上，则是由于它们选择的假设条件不同。解法一依据的假设：假设1针的中点到平行线的距离X和针与平行线的夹角所构成的二维随机向量(X,)服从上的均匀分布；解法二依据的假设：假设2 针的中点到平行线的距离X和针与平行线上的投影长度Y构成的二维随机向量(X,Y)服从上的均匀分布；解法三依据的假设：假设3针的两个端点到平行线的距离，构成的二维随机向量(,)服从上的均匀分布。上述三种假设是不能同时成立的。这可由以下几个命题看出：命题1若随机向量(X,)服从[0,a][0,]上的均匀分布，则随机向量(X,Y)=(X,2lcos)的分布密度函数为： (1)随机向量(,)=(X+lsin,X-lsin)的分布函数为： (2)命题2若随机向量(X,Y)服从[0,a][-2l,2l]上的均匀分布，则随机向量(X,)=(X,arccos)的分布密度函数为： (3)随机向量(,)=(X+)的分布密度为： (4)命题3若随机向量(,)服从区域:上的均匀分布，则随机向量(X,)=()的分布密度为： (5)随机向量(X,Y)=(,)的分布密度为： (6)也就是说，在假设1成立时，随机向量(X,Y)和(,)已不再服从均匀分布，而是分别服从密度函数为(1)和(2)的分布；在假设2成立时，随机向量(X,)和(,)分别服从密度为(3)和(4)的分布；在假设3成立时，随机向量(X,)和(X,Y)分别服从密度为(5)和(6)的分布。各种解法的联系对同一问题，在相同的假设条件下，使用不同的方法求解，所得到的结果应该是一致的。对蒲丰问题也不例外，因此，我们断言：在假设1成立的条件下，用随机向量(X,Y)或(,)求解蒲丰问题，所得到的结果与解法一相同；在假设2成立的条件下，用随机向量(X,)或(,)求解蒲丰问题，所得到的结果与解法二相同；在假设3成立的条件下，用随机向量(X,)或(X,Y)求解蒲丰问题，所得到的结果与解法三相同；下面给出断言1的证明，其余类似。为叙述方便，把断言1改述成如下两个问题。问题1 设随机向量(X,)服从[0,a][0,]上的均匀分布，并且(X,Y)=(X,2lcos)()，求证P(.证由命题一可知，随机向量(X,Y)的密度函数为(1)式。通过积分计算得P(===证毕。问题2 设随机向量(X,)服从[0,a][0,]上的均匀分布，并且(,)=(X+lsin,X-lsin)(la)，求证P()=.证由命题一可知，随机向量(,)的密度函数为(2)式，通过积分计算得P()===证毕。Buffon投针问题的推广二维空间中的蒲丰投针问题把针替换成三角形时的蒲丰问题设平面上画有等距离l(l0)的平行线，向平面上任意投掷一个以a，b，c为边长的三角形，且al，bl，cl时，求三角形与平行线相交的概率。解 1) 当三角形与平行线相交时，有下列4中情