最近我们被客户要求撰写关于动态可视化的研究报告，包括一些图形和统计输出。

介绍

布丰投针是几何概率领域中最古老的问题之一。它最早是在1777年提出的。它将针头掷到有平行线的纸上，并确定针和其中一条平行线相交的可能性。令人惊讶的结果是概率与pi的值直接相关。

R程序将根据上段所述的情况估算pi的值并使用gganimate进行动态可视化。

第1部分

对于A部分，我们创建一个数据帧，该数据帧将在3个不同的区间上生成随机值，这些区间将代表x，y的范围以及每个落针点的角度。这是一个易于实现的随机数情况，需要使用runif函数。此功能要求输入数量，后跟一个间隔。生成数字后，我们会将值保存到数据框中。

rneedle <- function(n) {x = runif(n, 0, 5) y = runif(n,0, 1)angle = runif(n,-pi, pi) #从-180到180的角度values<-data.frame(cbind(x, y, angle))return(values)
}
values<-rneedle(50)
#检查是否生成50×3矩阵
values
#我们的数据帧已经成功生成。

            x           y      angle
1  4.45796267 0.312440618  1.3718465
2  3.43869230 0.462824677  2.9738367
3  2.55561523 0.596722445 -2.9638285
4  3.68098572 0.670877506 -0.6860502
5  0.03690118 0.202724803 -0.3315141
6  4.64979938 0.180091416 -0.3293093
7  4.92459238 0.172328845 -0.5221133
8  3.50660347 0.752147374  2.9100221
9  2.03787919 0.167897415 -0.3213833
10 0.38647133 0.539615776 -0.1188982
11 3.28149935 0.102886770 -1.6318256
12 3.68811892 0.765077533  1.2459037
13 1.52004894 0.682455494 -0.4219802
14 3.76151379 0.508555610  0.1082087
...

第2部分

我们绘制第一部分中的针。重要的是不要在这个问题上出现超过2条水平线。它使我们可以进行检查以了解此处描绘的几何特性的一般概念。话虽如此，让我们注意我们决定在每个方向上将图形扩展1个单位。原因是想象一个针尾从y = 1开始，其角度为pi / 2。我们需要假设该方向的范围最大为2。


plotneedle(values)

第3部分

在下面，将基于阅读布冯针和基本几何原理的知识，查看pi的估算值。


buffon(values)

第4部分

运行代码后，我们收到以下答案。

> buffon(X)

[1] 3.846154

set.seed(10312013)
X <- rneedle(50)
plotneedle(X)
buffon(X)

> buffon(X)
[1] 3.846154

第5部分

如前几节所述，当我们投掷更多的针头时，我们期望以最小的不确定性获得更准确的答案。从Approxpi函数运行代码后，我们收到了平均值= 3.172314和方差0.04751391的值。对于这样一个简单的实验，它对pi进行了很高的估计。


Approxpi(500)
mean(Approxpi(500))
var(Approxpi(500))

> mean(Approxpi(500))
[1] 3.172314
> var(Approxpi(500))
[1] 0.04751391

接下来对模拟次数从500~600的预测进行动态可视化,红色表示针投放到了直线上：

参考资料

Schroeder，L.（1974年）。布冯针问题：许多数学概念的激动人心的应用。

R语言对布丰投针（蒲丰投针）实验进行模拟和动态可视化生成GIF动画相关推荐

R语言编写自定义函数基于ggsumarystats函数计算每个分组的统计值、自定义可视化分组分面条形图，并在X轴标签下方添加分组对应的统计值（样本数N、中位数median、四分位数的间距iqr）
R语言编写自定义函数基于ggsumarystats函数计算每个分组的统计值.自定义可视化分组分面条形图,并在X轴标签下方添加分组对应的统计值(样本数N.中位数median.四分位数的间距iqr) 目录
R语言进行主成分分析（PCA）、使用prcomp函数进行主成分分析：碎石图可视化（scree plot）、R通过线图（line plot）来可视化主成分分析的碎石图（scree plot）
R语言进行主成分分析(PCA).使用prcomp函数进行主成分分析:碎石图可视化(scree plot).R通过线图(line plot)来可视化主成分分析的碎石图(scree plot) 目录
R语言进行主成分分析（PCA）、使用prcomp函数进行主成分分析：碎石图可视化（scree plot）、R通过条形图（bar plot）来可视化主成分分析的碎石图（scree plot）
R语言进行主成分分析(PCA).使用prcomp函数进行主成分分析:碎石图可视化(scree plot).R通过条形图(bar plot)来可视化主成分分析的碎石图(scree plot) 目录
R语言survival包的survfit函数拟合生存曲线数据、survminer包的ggsurvplot函数可视化生存曲线、size参数指定曲线粗细、palette参数自定义生存曲线的颜色
R语言survival包的survfit函数拟合生存曲线数据.survminer包的ggsurvplot函数可视化生存曲线.size参数指定曲线粗细.palette参数自定义生存曲线的颜色目录
R语言survival包的survfit函数拟合生存曲线数据、survminer包的ggsurvplot函数可视化生存曲线、绘制分面生存曲线（facet_grid）
R语言survival包的survfit函数拟合生存曲线数据.survminer包的ggsurvplot函数可视化生存曲线.绘制分面生存曲线(facet_grid) 目录
R语言使用自定义函数编写深度学习Scaled Exponential Linear Unit (SELU)激活函数、并可视化SELU激活函数
R语言使用自定义函数编写深度学习Scaled Exponential Linear Unit (SELU)激活函数.并可视化SELU激活函数目录
R语言对耐克NIKEID新浪微博数据K均值(K-MEANS)聚类文本挖掘和词云可视化
全文链接:http://tecdat.cn/?p=31048 2009年8月,新浪微博(micro-blog)开始服务,随后各家微博服务在国内得到广泛传播和应用"(点击文末"阅读原 ...
R语言使用原生包（基础导入包、graphics）中的plot函数可视化散点图（scatter plot）
R语言使用原生包(基础导入包.graphics)中的plot函数可视化散点图(scatter plot) 目录
R语言使用rnorm函数生成正太分布的随机数、使用plot函数和density函数可视化正太分布的随机数对应的密度图（Normal distribution）
R语言使用rnorm函数生成正太分布的随机数.使用plot函数和density函数可视化正太分布的随机数对应的密度图(Normal distribution) 目录

R语言对布丰投针（蒲丰投针）实验进行模拟和动态可视化生成GIF动画

介绍