Я хотел бы получить другое решение проблемы, которую я решил «символически» и посредством небольшой симуляции. Теперь я хотел бы знать, как я мог получить интеграцию напрямую с помощью Mathematica.
Пожалуйста, рассмотрите цель, представленную диском с r = 1, с центром в (0,0). Я хочу смоделировать мою вероятность попасть в эту цель, бросая дротики.
Теперь у меня нет смещения, бросающего их, то есть в среднем я попаду в центр mu = 0, но моя дисперсия равна 1.
Учитывая координату моего дротика при попадании в цель (или в стену :-)), у меня есть следующие распределения, 2 гауссиана:
XDistribution : 1/Sqrt[2 \[Pi]\[Sigma]^2] E^(-x^2/(2 \[Sigma]^2))
YDistribution : 1/Sqrt[2 \[Pi]\[Sigma]^2] E^(-y^2/(2 \[Sigma]^2))
С этими 2 распределениями с центром в 0 с равной дисперсией =1 мое совместное распределение становится двумерным гауссовым, например:
1/(2 \[Pi]\[Sigma]^2) E^(-((x^2 + y^2)/(2 \[Sigma]^2)))
Поэтому мне нужно знать мою вероятность попасть в цель или вероятность того, что x ^ 2 + y ^ 2 будет меньше 1.
Интегрирование после преобразования в полярной системе координат дало мне первое решение: .39. Моделирование подтвердило это с помощью:
Total@ParallelTable[
If[
EuclideanDistance[{
RandomVariate[NormalDistribution[0, Sqrt[1]]],
RandomVariate[NormalDistribution[0, Sqrt[1]]]
}, {0, 0}] < 1, 1,0], {1000000}]/1000000
Я чувствую, что был более элегантный способ решить эту проблему, используя интеграционные возможности Mathematica, но так и не смог отобразить работу эфира.