Statistica si Probabilitati

Metoda Monte Carlo

Acul lui Buffon

Descriere
In cele ce urmeaza vom urmari o scurta aplicatie a Metodei
Monte Carlo in Statistica, precizand faptul ca acest gen
de metoda esti foarte raspandita in multe alte domenii,
inclusiv cel ingineresc. In aceasta scurta prezentare vom
parcurge mai multe etape, pornind de la o notiune de
concept si pundand in practica cu ajutorul softwear-ului
(limbajelor de programare).
Aplicatia se va numi Acul lui Buffon, si are la baza
conceptul de aproximare al numarului Pi, cu ajutorul
Metodei Monte Carlo, Buffon fiind matematicianul
francez al sec XVIII care a dezvoltat acest concept.
Metode Monte Carlo
 Metode stohastice: se bazeaza pe numere aleatoare, probabilitati si
statistica
 Larg raspindite: de la economie, la fizica nucleara, reglementarea
traficului rutier
 Modul de aplicare difera de la domeniu la domeniu
 Chiar in cadrul statisticii exista zeci de subtipuri si tehnici MC
 Analiza Monte Carlo: Metoda matematica folosita pentru a gasi
solutia aproximativa a unei probleme complexe. Foloseste calcule
repetate si numere aleatorii pentru a defini intervalul in care s-ar
gasi solutia cea mai probabila. Aceasta metoda se poate folosi
pentru stabilirea probabilitatii de manifestare a riscurilor.
Limbajul de programare MATLAB
MATLAB(de la Matrix Laboratory) este un mediu de dezvoltare pentru calcul
numeric si analiză statistică care conţine limbajul de programare cu acelaş nume,
creat de MathWorks. MATLAB permite manipularea matricilor, vizualizarea funcţiilor,
implementarea algoritmilor, crearea de interfaţe si poate interacţiona cu alte aplicaţii.
Chiar daca e specializat in calcul numeric, exista pachete care îi permit sa
interacţioneze cu motoarele de calcul simbolic gen Maple. Un pachet adiţional,
Simulink, oferă posibilitatea de a realiza simulări a sistemelor dinamice şi îmbarcate
utilizând modele matematice. MATLAB e utilizat pe larg in industrie, în universitaţi şi e
disponibil cross-platform, sub diverse sisteme de operare: Windows, GNU/Linux,
UNIX şi Mac OS.
Istorie
Abrevierea MATLAB a fost creată la sfârşitul anilor ' 70 de catre Cleve Moler,
preşedintele departamentului de informatică a Universităţii din New Mexico. Iniţial
creat pentru a permite accesul studenţilor săi la librăriile LINPACK şi EISPACK, fără
necesitatea de a studia limbajul FORTRAN, in curand se răspândi in alte universităţi
găsind un public larg în domeniul matematicii aplicate. Jack Little, inginer de formaţie,
a intrat in contact cu MATLAB in timpul unei vizite a lui Moler la Universitatea
Stanford in 1983. Riconoscând imediat potenţialul său comercial, se uni cu Cleve
Moler si Steve Bangert rescriindu-l in limbajul C. In anul 1984 au fondat MathWorks
continuând dezvoltarea aplicaţiei.
Acul lui Buffon
Georges-Louis Leclerc de Buffon

 Georges-Louis Leclerc, baron de Buffon (n. 7 septembrie 1707 - d. 16

aprilie 1788) a fost naturalist, matematician, biolog şi scriitor francez.
Preocupările sale multiple s-au concretizat printr-o operă (nu numai
teoretică, ci şi practică) ce a influenţat decisiv generaţiile următoare de
naturalişti, printre care Jean-Baptiste de Lamarck şi Charles Darwin.

Acul lui Buffon

 Acest exemplu se bazează pe un experiment celebru, dar nu unic, de

estimare a constantei pi folosind simulările probabilistice. Presupunem o
suprafaţă plană, pe care vom trasa linii orizontale, paralele, la distanţa
unitară. Daca aruncăm un ac de lungime 1, aleator, pe această suprafaţă,
putem observa de câte ori acul intersectează una din linii.
Aplicatia: Acul lui Buffon in Matlab
Fie:
 d = distanţa de la centrul acului la cea mai apropiată linie;
 theta = unghiul ascuţit între ac şi cea mai apropiată linie;
cu 0<= d <=1/2 şi 0<= theta <= pi/2
 Acul intersectează cea mai apropiată linie, dacă distanţa de la centrul sau la
linia intersectată este: d <= 1/2, adică .
 Vom presupune, în continuare, că atunci când aruncăm acul, perechea
(theta, d) este aleasă la întâmplare , în dreptunghiul:
0<= theta <= pi/2, 0<= d <=1/2.
 Probabilitatea producerii evenimentului E (intersectarea acului cu o linie)
este P(E)={d<=1/2sin(theta)} şi reprezintă o fracţiune din suprafaţa
dreptunghiului, în interiorul căruia putem delimita suprafaţa E: - suprafaţa
dreptunghiului: - suprafaţa E: Probabilitatea: .
 În continuare se prezintă programul de simulare a experimentului Buffon în vederea estimării
numărului pi (pi=2/P(E)). Ulterior se va arăta că pentru acest gen de estimare eroarea nu va fi mai
mare ca 5/sqrt(n), unde n reprezintă numărul de aruncări ale acului:

% Experimentul:"Acul lui Buffon" folosit pentru estimarea constantei pi

nr_incercari=input(' Num?r încerc?ri : ');
c=0;
x3=[1:1:nr_incercari];
for m=1:nr_incercari
c=0;
for n=1:nr_incercari
d=(1/2)*rand;
theta=(pi/2)*rand;
if d<=((1/2)*sin(theta))
c=c+1;
end;
end;
nr=2*nr_incercari/c;
hold on;
plot(m,nr,'o');
end;
disp(' Estimarea lui pi =');
disp(2*nr_incercari/c);
Programul in Matlab
Numar de aruncari = 3
Numar de aruncari = 10
Dupa 50 de aruncari
Dupa 200 de aruncari…
O mie de aruncari…
Numar de aruncari = 5.000
30.000 de aruncari …
Concluzii
In matlab cu ajutorul graficelor se arata foarte
elegant cum prin repetarea algoritmului de
aproximare a numarului Pi, dupa un numar cat
mai mare de aruncari cu atat aproximarea
acestei valori fundamentale este mai precisa de
cea adevarata, fapt ce arata ca experimentul
este foarte util in calcularea sau mai bine spus
aproximarea valorii Pi. Proportionalitatea dintre
numarul de aruncari si numarul de aproximare
arata stransa legatura intre aceste doua relatii.
Aplicatia Acul lui Buffon ilustrat

 Fig 1. podeaua pe care se va face experimentul se va considera acest

patrat trasat de linii orizontale plasate la aceeasi distanta una fata de
cealata iar acul va avea lungimea egala cu dinstanta dintre aceste linii (va
avea distanta unitara).
Primul ac

 Oricauri ac care va atinge podeaua si va intersecta o linie a acesteia I se va

atribui o anumita valoare in cazul de fata cuprinsa intre 3,04 si 3,24. Vom
lua ca centru a acestor doua valori, punctul 3,14 (estimat ca fiind numarul
Pi)
Dupa un numar de ace…

 Pai dupa un anumit numar de ace, in partea dreapta vom construi cu fiecare
cadere un grafic, asemanator cu cel al unei functii, in cazul de fata dupa un
numar de 30 de incercari graficul nostru tinde sa se indrepte treptat catre
valoarea de centru…dupa mai multe incercari graficul va arata astfel:
Dupa 554 de aruncari

 Dupa un numar de 554 de aruncari la intamplare ale acului de pe

masa, precizand faptul ca acul a cazut de fiecare data de la aceeasi
distanta, vom incepe sa constatam un fapt (un fenomen) destul de
interesant, vom observa ca valorile pe care o ia functia tind sa ne
apropie de centrul intervalului stabilit precedent, adica de numarul Pi
Dupa o mie de aruncari…

 Dupa aproximativ o mie de aruncari lucrurile se pronunta vizibil,

concret si ne ofera o mai buna intelegere a procesului care implicit
ne ridica un semn de scepticism…
Doua mii de aruncari…

 Mai precis 2344 graficul functie ne arata cum acest proces …aplicat
recursiv de sute, chiar mii de ori ne aduce mai aproape de aceea
aproximare pe care Buffon a gasit-o numarului Pi.
Trei mii de repetari…

 Acest experiment a fost realizat teoretic de Buffon in sec al XVII-lea si cu

tehnologia moderna de astazi il putem studia chiar practic si faptul ca ceea
ce a spus Buffon se adevereste ne arata inca o data cat de veche este
aceasta stiinta, aceasta ramura a firii umane,cea matematica; Uimitor
graficul tinde catre Pi, catre aproximarea acestuia, cu numarul 3,10103…
Dupa multe multe repetari…

 Mai exact 4535 putem trage o concluzie, aceea ca matematicianul Buffon in

teorie a aproximat numarul pi cu acest proces…mai exact cu valorile care
survin in urma acestui proces de cadere a acului pe podea, fiind un proces
probabilistic, statistic, Acul lui Buffon a deschis multe posibilitati in vasta
lume a stiintei.
Bibliografie
 Nume : Arva Mihai Catalin
 Student: Univ. Pit. Ing. Electrica
 IE 1.1.3
 Prof. Coord. : Cazacu D. Dumitru (Statistica si Prelucrarea
datelor experimentale)

Sursa informatii :
 Java mapple
 Monte Carlo Methods
 Matlab