正方形内均匀撒点算法

2012-11-28 09:10:42 925 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

4_蒙特卡罗算法求圆周率PI 题目蒙特卡罗算法的典型应用之一为求圆周率PI问题。思想：一个半径r=1r=1的圆，其面积为：S=PI∗r2=PI/4S = PI * r^2 = PI/4一个边长r=1r=1的正方形，其面积为：S=r2=1S = r^2 = 1那么建立一个坐标系，如果均匀的向正方形内撒点，那么落入圆心在正方形中心，半径为1的圆内的点数与全部点数的比例应该为PI/4PI/4，根据概率统计的规律，只要撒的点足够多，那么阅读详情

假设要在一个500*500的范围内均匀的撒300个点，有没有什么好的算法。这里的均匀不是随机的可以理解为在相对大小的面积内点数相近

...全文

核密度估计及其Python实践一、参数估计简介很多情况下，我们只有有限的样本集，而类条件概率密度函数p(x|ωi)和先验概率P(ωi)是未知的，需要根据已有样本进行参数估计，然后将估计值当作真实值来使用。由给定样本集求解随机变量的分布密度函数问题是统计机器学习和概率统计学的基本问题之一。解决该问题的方法包括参数估计和非参数估计两大类： 1.参数估计方法已知概率密度函数的形式而函数的有关参数未知，通过估计参数来估计概率密度函数的方法。有两种主要参数估计法：确定性参数估计方法是把参数看作确定而未知的, 典型方法为最大似然估计。随机参数阅读详情

guochanoo7

C语言 70,039 成员 243,237 内容

+ 关注 + 加入社区

切换为时间正序

赵4老师 2012-11-28

打赏
举报

仅供参考

#include <stdio.h>
#include <stdlib.h>
#include <time.h>
int d[6];
int i,n,a,b,t;
int c,j;
void main() {
    srand(time(NULL));
    printf("shuffle 0..n-1 demo\n");
    for (n=1;n<=5;n++) {/* 测试1～5个元素 */
        printf("_____n=%d_____\n",n);
        j=1;
        for (c=1;c<=n;c++) j=j*c;/* j为n! */
        j*=n*2;
        for (c=1;c<=j;c++) {/* 测试n*2*n!次 */
            for (i=0;i<n;i++) d[i]=i;/* 填写0～n-1 */
            for (i=n;i>0;i--) {/* 打乱0～n-1 */
                a=i-1;b=rand()%i;
                if (a!=b) {t=d[a];d[a]=d[b];d[b]=t;}
            }
            printf("%04d:",c);
            for (i=0;i<n;i++) printf("%d",d[i]);
            printf("\n");
        }
    }
    printf("shuffle 1..n demo\n");
    for (n=1;n<=5;n++) {/* 测试1～5个元素 */
        printf("_____n=%d_____\n",n);
        j=1;
        for (c=1;c<=n;c++) j=j*c;/* j为n! */
        j*=n*2;
        for (c=1;c<=j;c++) {/* 测试n*2*n!次 */
            for (i=1;i<=n;i++) d[i]=i;/* 填写1～n */
            for (i=n;i>1;i--) {/* 打乱1～n */
                a=i;b=rand()%i+1;
                if (a!=b) {t=d[a];d[a]=d[b];d[b]=t;}
            }
            printf("%04d:",c);
            for (i=1;i<=n;i++) printf("%d",d[i]);
            printf("\n");
        }
    }
}