首先考虑在圆内生成随机点。
最简单的方法是在一个R*R的正方形内随机选取一个点,判断随机生成的点是否在圆内即可。python代码如下:
import random
def generateRandomPoint(r):
while True:
x = random.uniform(-r, r)
y = random.uniform(-r, r)
if x * x + y * y <= r * r:
return x,y
还有一个简单的方法是:
先随机x的值, 根据 x 2 + y 2 < = r 2 x^2+y^2<=r^2 x2+y2<=r2,随机y的范围。
python代码如下:
import math
import random
def generateRandomPoint3(r):
x = random.uniform(-r, r)
square = math.sqrt(r*r-x*x)
y = random.uniform(-square, square)
return x,y
还有一个方法是根据半径和角度确定坐标
r ∈ [ o , R ] θ ∈ [ 0 , 2 π ] x = r ∗ cos ( θ ) y = r ∗ sin ( θ ) r\in[o,R] \\ \theta\in[0,2\pi] \\ x = r * \cos(\theta) \\ y = r * \sin(\theta) r∈[o,R]θ∈[0,2π]x=r∗cos(θ)y=r∗sin(θ)
python代码
import math
def generateRandomPoint1(r):
random_r = random.uniform(0, r)
random_theta = random.uniform(0, 2 * math.pi)
return random_r * math.cos(random_theta), random_r * math.sin(random_theta)
但是很明显,上面生成的点的数据不是均匀分布的。
原因:
我们期望随机生成的点在圆上是均匀分布的。假设在半径为1的圆内生成点。假设一开始半径是0.5,生成角度在 [ 0 , 2 π ] [0,2\pi] [0,2π]的点的密度明显要大于半径1.0,生成角度在 [ 0 , 2 π ] [0,2\pi] [0,2π]的点。
即圆的半径 2 π r 2\pi r 2πr增长和半径 r r r正相关,即半径越大,需要的点也是线性增长的。即pdf也是线性增长的。由于pdf的面积大小是1,我们的半径长度是1,即
PDF表示概率密度函数(给出了变量落在某值xi邻域内(或者某个区间内)的概率变化快慢,概率密度函数的值不是概率,而是概率的变化率,概率密度函数下面的面积才是概率。见2)
那么如何根据一个均匀分布的随机生成函数random.uniform来产生我们需要的定点呢?
C D F ( x ) = ∫ P D F = ∫ 2 x = x 2 CDF(x)=\int PDF=\int 2x = x^2 CDF(x)=∫PDF=∫2x=x2
C D F : y = x 2 s w a p : x = y 2 s o l v e : y = x C D F − 1 = y = x CDF:y=x^2\\ swap:x=y^2\\ solve:y=\sqrt x \\ CDF^{-1}=y=\sqrt x CDF:y=x2swap:x=y2solve:y=xCDF−1=y=x
C D F − 1 ( r a n d o m ( ) ) = r a n d o m ( ) CDF^{-1}(random())=\sqrt {random()} CDF−1(random())=random()
import math
def generateRandomPoint2(r):
random_r = math.sqrt(random.uniform(0, r))
random_theta = random.uniform(0, 2 * math.pi)
return random_r * math.cos(random_theta), random_r * math.sin(random_theta)
最简单的方法是在一个R*R的正方形内随机选取一个点,判断随机生成的点是否在圆环内即可。python代码如下:
def generateRandomPointFromAnnulus(r1,r2):
"""
在圆环内随机取点, r1<=r2
:param r1: 内径
:param r2: 外径
:return:
"""
assert r1<= r2
while True:
x = random.uniform(-r2, r2)
y = random.uniform(-r2, r2)
if x * x + y * y <= r2 * r2 and x * x + y * y >= r1 * r1:
return x,y
第二种方法是随机先随机得到x的值,然后算出y的范围,随机y的值,python代码如下:
import math
def generateRandomPointFromAnnulus1(r1,r2):
"""
在圆环内随机取点, r1<=r2
:param r1: 内径
:param r2: 外径
:return:
"""
assert r1<= r2
x = random.uniform(r1, r2)
y = random.uniform(math.sqrt(x*x-r1*r1), math.sqrt(r2*r2-x*x))
return x if random.uniform(-1,1) > 0 else -x, y if random.uniform(-1,1) > 0 else -y
和圆不一样,概率密度函数是从 [ r m i n , r m a x ] [r_{min},r_{max}] [rmin,rmax],而不是 [ 0 , r m a x ] [0,r_{max}] [0,rmax]
C D F ( x ) = ∫ r m i n r m a x r d r = π r 2 − π r m i n 2 π r m a x 2 − π r m i n 2 = A ( r 2 − r m i n 2 ) A = 1 / ( r m a x ∗ r m a x − r m i n ∗ r m i n ) CDF(x)=\int_{r_{min}}^{r_{max}} r dr= \frac{\pi r^2-\pi r_{min}^2}{\pi r_{max}^2-\pi r_{min}^2} = A(r^2 - r_{min}^2)\\ A = 1/(r_{max}*r_{max} - r_{min}*r_{min}) CDF(x)=∫rminrmaxrdr=πrmax2−πrmin2πr2−πrmin2=A(r2−rmin2)A=1/(rmax∗rmax−rmin∗rmin)
C D F : y = A ( x 2 − r m i n 2 ) s w a p : x = A ( y 2 − r m i n 2 ) s o l v e : y = x A + r m i n 2 C D F − 1 = y = x A + r m i n 2 CDF:y=A(x^2 - r_{min}^2)\\ swap:x=A(y^2 - r_{min}^2)\\ solve:y=\sqrt {\frac {x}{A} + r_{min}^2} \\ CDF^{-1}=y=\sqrt {\frac {x}{A} + r_{min}^2} CDF:y=A(x2−rmin2)swap:x=A(y2−rmin2)solve:y=Ax+rmin2CDF−1=y=Ax+rmin2
C D F − 1 ( r a n d o m ( ) ) = r a n d o m ( ) A + r m i n 2 CDF^{-1}(random())=\sqrt {\frac {random()}{A} + r_{min}^2} CDF−1(random())=Arandom()+rmin2
import math
def generateRandomPointFromAnnulus2(r1,r2):
"""
在圆环内随机取点, r1<=r2
:param r1: 内径
:param r2: 外径
:return:
"""
assert r1<= r2
a = 1 / (r2*r2-r1*r1)
random_r = math.sqrt(random.uniform(0, 1) / a + r1 * r1)
random_theta = random.uniform(0, 2 * math.pi)
return random_r * math.cos(random_theta), random_r * math.sin(random_theta)