MakarovSuites
Français
EnglishDeutschРусскийУкраїнськаFrançaisEspañolItalianoPolski
Contact et licences

Math

Monte-Carlo

Des fléchettes au hasard estiment π, deux cents lanceurs montrent la dispersion prédite par 1/√N et la bande à 95 %, et une intégrale est prise de trois façons - l'échantillonneur qui penche comme la courbe gagne vingt fois.

Monte-Carlo — Image réelle de l’application
Image réelle de l’application

Ce qui se passe

Des fléchettes tombent au hasard dans un carré où est tracé un quart de cercle : dorées si elles tombent dans le cercle, bleues si elles le manquent. La fraction à l'intérieur vaut π/4, donc quatre fois la fraction estime π, et cela se lit en direct. Dans le cube la figure est une sphère et le facteur vaut six ; le cube est le moins bon lanceur, car π/6 est loin d'un demi et le facteur est plus grand. L'estimation est une moyenne binomiale, son erreur est donc exactement s/√N avec s = 4√(p(1 − p)) = 1.642 dans le carré : quatre fois plus de fléchettes divisent l'erreur par deux, cent fois plus achètent un chiffre. Deux cents autres lanceurs aux dés différents lancent invisiblement le même nombre de fléchettes ; leurs estimations s'empilent dans l'histogramme sous la cloche prédite, et le panneau compte combien sont dans π ± 2s/√N - environ 190 sur 200, la bande à 95 %, mesurée et non affirmée. Le graphique trace l'estimation en direct contre log N entre les deux lignes de la bande, qui se resserrent comme 1/√N. La troisième scène prend une intégrale, l'aire sous 4/(1 + x²) de 0 à 1, qui vaut aussi π, de trois façons avec le même dé. Touché-ou-manqué lance des fléchettes sous la courbe, s = 1.642. La valeur moyenne évalue la courbe en des x uniformes et moyenne, s = √(4 + 2π − π²) = 0.643. L'échantillonnage préférentiel tire x de la densité q(x) = (4 − 2x)/3 (pointillée), qui penche comme la courbe, et moyenne le rapport courbe/q : s = 0.080. Trois histogrammes de deux cents répliques chacun montrent les trois largeurs - même N, vingt fois moins d'erreur pour l'échantillonneur qui sait où la courbe est lourde.

Équations du module
Équations
fléchettes :  P(à l'intérieur du quart de cercle) = π/4 ;  π_est = 4 n_in/N ;  Var(π_est) = 16 p(1 − p)/N,  s = 4√(p(1 − p)) = 1.642 ;  dans le cube p = π/6, π_est = 6 n_in/N, s = 6√(p(1 − p)) = 2.997 ;  erreur standard s/√N : 0.0164 pour N = 10 000 dans le carré
loi :  200 répliques avec des dés différents, graines 100 … 299 : dispersion 0.0707 / 0.0358 / 0.0191 pour N = 500 / 2000 / 8000 dans le carré contre 0.0734 / 0.0367 / 0.0184 prévu ;  191 / 195 / 192 sur 200 dans π ± 2s/√N ;  avec seize fois plus de fléchettes, la dispersion est divisée par 3.7 ≈ 4
intégrale :  I = ∫₀¹ 4/(1 + x²) dx = π ;  touché ou raté : fléchettes dans [0, 1] × [0, 4], 4·touches/N, s = 1.642 ;  valeur moyenne : (1/N) Σ g(x_i), x_i uniformes, s = √(E g² − π²) = √(4 + 2π − π²) = 0.643 ;  échantillonnage préférentiel : x_i ~ q(x) = (4 − 2x)/3, (1/N) Σ g(x_i)/q(x_i), s = √(∫ g²/q − π²) = 0.0800 ;  échantillonnage de q par inversion : x = 2 − √(4 − 3u)
graine 1, N = 10 000 : 7865 fléchettes dans le quart de cercle (π ≈ 3.1460), 5203 dans la sphère (3.1218) ;  l'intégrale : 3.1760 / 3.1395 / 3.1408 ;  100 répliques de N = 1000 (graines 300 …) : dispersions 0.0536 / 0.0204 / 0.0024
dé :  le xorshift commun ; pour chaque échantillon, les tirages sont (u, v) pour le tout ou rien, x pour la valeur moyenne, w pour l'échantillonnage préférentiel, dans cet ordre

Autres expériences

Retour au catalogue
Percolation — Image réelle de l’application

Math

Percolation

Une entrée, une sortie et un échantillon d'un réseau aléatoire : prédisez à quel p cet échantillon laisse passer un flot pour la première fois, augmentez p ou ouvrez des sites à la main et regardez la région atteinte s'étendre - puis lancez de nombreux échantillons de plusieurs tailles et voyez le point de passage se disperser autour de p_c et se resserrer quand le réseau grandit.

Théorie des graphes — Image réelle de l’application

Math

Théorie des graphes

Plus courts chemins, arbres couvrants et flots sur un même graphe, dessinés pendant qu'ils se calculent : l'onde de Dijkstra, les îles de Kruskal, les chemins d'Edmonds-Karp et la coupe qui égale le flot.

Voronoï et Delaunay — Image réelle de l’application

Math

Voronoï et Delaunay

Des cellules du plus proche voisin qui se reforment quand on déplace leurs points, la triangulation de Delaunay qui leur est duale avec ses cercles vides, des disques qui grandissent jusqu'à remplir les cellules, et la relaxation de Lloyd qui en fait des hexagones.