モンテカルロ法 円周率エクスプローラー

ランダムな点と収束の様子

インタラクティブシミュレーションを読み込んでいます...

誤差の縮小がなぜ遅いのか 🖖

モンテカルロ法の誤差は1/Nではなく1/√Nに比例して縮小します — これは中心極限定理の帰結で、推定値はN回の独立な内側/外側のコイン投げの平均であり、その分散は1/Nで減少するためです。この平方根は「高くつき」ます。正しい小数点以下の桁を1桁増やすには、10倍ではなくおよそ100倍の点が必要になります。だからこそ、小数点以下の桁がまだ揺れているうちから、点群は説得力を持って円形に見えることがあります。また、この手法が実際にはπの計算だけのために使われることが少ない理由でもあります — 本領を発揮するのは高次元の積分で、決定論的な格子法は次元数に対して指数的にスケールしますが、モンテカルロ法の1/√Nという収束率は次元数に関係なく一定だからです。

純粋な偶然から得られる確定値 🖖

不思議なのは、πは確定した正確な数なのに、このツールは偶然だけでそれを突き止める点だ。一つ一つの点は予測できず、運まかせで円の内か外に落ちる。だがその累積平均は素直に振る舞う——大数の法則により、点を増やすほど雑音まじりの割合は一つの安定値へ落ち着く。教訓はこうだ。偶然も大量に平均すれば、信頼できる測定器になる。

ずるをした針 🖖

画面上の点よりずっと前、ビュフォンの針(1777年)は等間隔の線の上に針を落としてπを推定した——おそらく最初のモンテカルロ実験だ。1901年、マリオ・ラッザリーニは3,408回の投下でπ = 3.1415929、小数第6位まで正確な値を得たと報告した。しかし落とし穴がある。それはちょうど355/113、有名な古い近似値で、3,408という数はそれに当てるのに必要な投数と怪しいほど一致する——偶然が目標値に一致した瞬間に手を止めた、とほぼ断定できる。

全プロセスの詳細解説

  1. 2000点から3.122が悪い試行であるかの判定 5 ステップ

    3.122 という結果は悪い試行なのだろうか? 初期状態では、シード値 42 から N = 2000 個の点を抽出し、そのうち 1561 個が四分円の内部に入っている。推定値を評価する前に、通常の個数がどの程度になるはずだったかを算出しよう。

    1. 各点は、四分円領域内に入れば成功となる 1 回の試行である。外接する正方形の面積が 1 であるため、成功確率はその面積そのものとなる。2000 回の独立な試行において、成功した個数は二項分布に従い、二項分布の平均は試行回数に確率を乗じたものとなる。

    2. これら同じ 2 つの数値が散らばりを決定する。観察された個数は期待値より 10 個未満少なく、これは標準偏差のわずか半分程度(0.5 標準偏差未満)である。したがって、このシード値による結果はごく標準的なものであり、結果のせいにする前にこの点を確認しておく価値がある。

    3. 推定値は個数に固定の定数を掛けたものであるため、その標準偏差も個数の標準偏差に同じ定数を掛けたものになる。ここでおなじみの 1/√N が登場する。個数の散らばりが √N に比例して大きくなるのに対し、除算は N で行われるからである。

    4. 表示される誤差も、全く同じ 0.53 標準偏差という値になるはずである。定数を掛けても、その値と固有の散らばりとの相対的な関係は変わらないからだ。これは 1 つの事実を 2 つの単位で表したものであり、2 つの独立した事実ではない。

    5. ここからが、どのようなシード値でも改善できない部分である。整数を 4 倍して 2000 で割った値は常に 0.002 の倍数であり、π は無理数であるため、その値がいずれかの倍数と一致することはない。つまり、誤差がゼロになることはあり得ず、推定量が物理的に最も近づけるのは格子点から 1 ステップ離れた位置までである。

    解答

    ツールは、内部にある点として 1561 個、推定値として 3.122000、そして 3.141593 に対する誤差として 1.959 × 10⁻² を出力する。N = 2000 における典型的な誤差は 0.0367 であるため、この試行結果は悪いどころか平均より良好であり、5 つのシード値のうち概ね 3 つは 42 よりも悪い結果となる。ステップ 5 から得られる理論上の下限は 4.073 × 10⁻⁴ であり、この N においてはこの値を超えるシード値は存在しない。公式が出力し得るどの値も、これ以上に π に近づくことはできないからだ。この下限は典型的な誤差より 90 倍小さいため、格子が制限要因になることはまったくなく、N の増加に伴ってその差は縮まるどころか広がっていく。下限が 1/N に比例して減少するのに対し、ランダム誤差は 1/√N に比例してしか減少していかないからである。このことは、この手法に関してよく目にする主張にも決着をつける。数千回の試行で小数点以下 6 桁まで一致したとしても、それは幸運な試行などではなく算術的に到達不可能な結果である。なぜなら N = 2000 において、この推定量が出力し得る値は小数点以下第 4 位すら正確に合わせることができないからだ。

参考文献 (1)

例題

  • 小さいN - サンプル数が少ないと、推定値のばらつきが大きくなる。
  • 中くらいのN - 中程度のN
  • 大きいN - サンプル数を増やすと、πの推定値のばらつきは小さくなる。