蒙特卡洛法求pi（scala实现）

大数据入门学习Hadoop时有一个类似helloworld、wordcount的案例，就是案例jar包，用MapReduce计算pi，它的算法思想就是蒙特卡罗法。本次用scala实现一下。

蒙特卡洛法
大概意思就是说
概率：
有一随机事件，向方形区域投点，问落在圆形区域的概率
它服从均匀分布：可以表示为：圆形的面积/正方形的面积
频率：
现在做实验：
假设落在方形区域的点有m个，也即投点的总数
其中落在圆形的点有n个，m>n
那么这个频率可以用n/m表示

在样本次数或者说实验次数足够大时，满是条件
频率~=概率
用数学符号表示：设半径为r
蒙特卡洛法求pi（scala实现）
最后的求pi公式

蒙特卡洛法求pi（scala实现）

蒙特卡洛法代码实现(scala)

import scala.collection.mutable.ArrayBuffer
import scala.util.Random
    
object montecarloForPi {
  def fun(num:Int):Double={
	val randomnum = new Random()
	val loop = (1 to num)
	var count = 0
	loop.foreach(_ => {
		val (x,y) =(randomnum.nextFloat(),randomnum.nextFloat())//模拟点，点范围（0-1）
		val disToCenter = Math.sqrt(Math.pow(x,2)+Math.pow(y,2))//点到圆心的距离公式
		if (disToCenter <= 1.0) count +=1 //点是否在圆内判断条件
	})
	(count*4) *1.0000/num //核心，1.0000用来精度调整
  }
  def main(args: Array[String]): Unit = {
  	//pi = fun(1000000)
	//为提高精度，维持在3.14，做了求多次pi,求均值。
	val piArr = ArrayBuffer[Double]()
	val loop = (1 to 100)
	loop.foreach(_ =>
	{
  		piArr += fun(1000000)
	})
	val pimean = piArr.sum/piArr.size//对所有的pi求均值
	println(pimean)
  }
}

最后的结果
蒙特卡洛法求pi（scala实现）