UP | HOME

Estimation d’aires avec la méthode de Monte Carlo
Activités #7

Table des matières

1. Introduction

1.1. Principe du TP/projet

Ce TP/projet doit vous servir de support afin de rendre un rapport. Il est fortement conseillé de lire TOUT le TP/projet avant de le commencer.

Il s’agit d’un RAPPORT: vous ne devez pas seulement écrire du code, vous devez également le COMMENTER (à l’intérieur du code et à l’extérieur), faire attention aux NOMS des fonctions et des variables que vous utilisez (utilisez obligatoirement les noms donnés dans l’énoncé, choisissez des noms EXPLICITES pour vos variables et fonctions supplémentaires). Pensez à rédiger une introduction, une conclusion, et à faire des paragraphes pour vos explications.

Il est également essentiel de TESTER chacun des programmes que vous faites, d’expliquer vos tests, ainsi que les résultats que vous avez obtenu (ces résultats correspondaient-ils aux résultats que vous attendiez ? Vous devez faire part d’un esprit critique, aussi n’hésitez pas à mentionner si vous vous attendiez à d’autres résultats que ceux obtenus…). Faire des tests à l’intérieur d’un programme peut également vous aider à trouver vous-même votre erreur lorsqu’un programme ne fonctionne pas: pensez-y !

Si vous êtes bloqué à une question, parlez-en à vos professeurs (il est donc important de commencer le TP/projet le plus rapidement possible). Si, malgré tout, vous restez bloqués, expliquez ce qui vous a bloqué, n’hésitez pas également à exposer les idées que vous aviez pour la suite mais n’avez pas pu mettre en oeuvre. Certaines questions faciles ne nécessitent pas d’avoir fait la totalité des questions précédentes pour être faites: lisez donc bien l’intégralité du TP/projet. Le plus important n’est pas de faire la totalité du TP/projet, mais de faire BIEN ce que vous faites.

La qualité de la rédaction et la lisibilité du code seront prises en compte.

1.2. But du TP/projet et dépendance entre les sections

Le but de ce TP/projet est d’utiliser la méthode de Monte Carlo pour calculer une valeur approchée de l’aire d’un polygone. Afin de se familiariser avec la méthode, on se propose de l’utiliser dans un premier temps pour calculer une valeur approchée de π: cette première partie est indépendante du reste du TP/projet.

Ce TP/projet est long. Il est indispensable que:

  • vous fassiez la totalité de la section 2 (méthode de Monte Carlo pour approximer π: estimation, simulations, calcul de l’erreur, représentation des résultats),
  • vous compreniez la façon dont sont représentés les polygones (section 3: si cette partie vous bloque, vous ne pourrez pas faire la suite),
  • vous fassiez la section 4 (dessin d’un polygone), qui est très facile et permet de tester si vous avez compris la section 3.

Pour la suite, il est à noter que:

  • la section 5 (génération de polygones) n’est pas indispensable pour faire la suite du TP/projet, mais il est conseillé de l’utiliser à la fin des sections suivantes pour tester vos résultats,
  • la section 6 est le coeur du TP/projet: la section 6.2 (définition de la fonction appartient) est difficile, et cette fonction est utilisée dans la section 6.3. Sans cette fonction, vous ne pourrez pas calculer l’aire approchée d’un polygone. TOUTEFOIS, cela ne vous empêche pas de:
    • répondre aux questions de la sous-partie « Principe » de la section 6.3 (ces questions ne sont pas liées à la programmation, elles sont là pour vérifier que vous avez compris le but du TP/projet),
    • définir une fonction dessin_simu pour laquelle les points sont tous de la même couleur, qu’ils soient à l’intérieur ou à l’extérieur du polygone.
  • la section 7 (sur l’aire exacte) peut être faite indépendamment de la section 6 (hormis la devinette initiale),
  • pour la section 8, il est indispensable d’avoir fait au préalable les sections 1, 6 et 7.

Il est important de tester les fonctions que vous programmez. De ce fait, le but du TP/projet n’est pas d’arriver à la fin de la section 8 (même si, évidemment, votre note risque d’être bien meilleure dans ce cas…), mais AVANT TOUT de faire BIEN ce que vous faites (commentaires, rédaction, tests, etc.) et de savoir répondre correctement aux questions faciles qui sont disséminées tout au long du TP/projet.

1.3. Rendu du projet   KEY

Le projet sera rendu dans une boîte de dépôt JALON sous la forme d’une archive ZIP contenant :

  • Un fichier texte README comprenant les noms du binôme (NOM1 et NOM2) et quelques informations essentielles sur le projet.
  • Le rapport au format PDF (au plus 10 pages) nommé NOM1_NOM2.pdf. Veuillez lire ce document pour préparer et écrire le rapport.
  • Un dosser src contenant les fichiers source du projet commentés. Le dossier src doit au moins contenir un fichier main.R.

Le fichier main.R proposera une petite demonstration du projet. Attention, il est essentiel que le fichier main.R s’exécute sans erreur.

Ces instructions doivent impérativement être respectées.

2. Méthode de Monte Carlo pour approximer π   KEY

2.1. Estimation de π

  1. Méthode de Monte Carlo

    Lire la partie « Détermination de la valeur de π » dans l’article wikipédia sur Méthode de Monte Carlo. Il est écrit « la probabilité que le point M appartienne au disque est π/4. » : détailler le calcul aboutissant à la valeur pi/4.

  2. Questions préliminaires
    • Comment tirer uniformément au hasard n points dans un rectangle ? Indication: utiliser la primitive runif, qui permet de tirer uniformément au hasard un ou plusieurs points dans un intervalle.
    • Comment faire pour savoir si un point de coordonnées (x,y) appartient ou non au cercle de centre (0,0) et de rayon R ?
  3. Programmation

    Définir une fonction mc.pi qui prend en argument un entier n, et renvoie une valeur approchée de π, obtenue à l’aide de la méthode de Monte Carlo, et avec n points tirés uniformément au hasard.

    mc_PI.jpg

2.2. Simulations avec n=10**j, pour j=1:p

  1. Estimations

    Dans cette section, vous allez définir une matrice PIE de taille t*p (avec t=50 et p=7), contenant des estimations de π. Plus précisément, la coordonnée (i,j) de PIE (avec 1<=i<=t et 1<=j<=p) doit contenir une estimation de π effectuée avec n=10**j points. Ainsi, la j-ième colonne de PIE contient t estimations de π, toutes effectuées avec n=10**j points. Toutes les estimations seront faites de façon indépendante les unes des autres.

  2. Temps moyen

    Dans cette section, vous allez définir un vecteur tE de taille p contenant le temps moyen mis pour obtenir de telles estimations. Plus précisément, la j-ième coordonnée du vecteur tE (avec 1<=j<=p) doit contenir le temps moyen mis pour effectuer une estimation de π, chacune de ces estimations étant effectuée avec n=10**j points.

    Indication: utiliser la primitive system.time, qui renvoie le temps mis pour évaluer un expression donnée et la primitive replicate qui répète l’évaluation d’une expression.

    system.time(replicate(100, sum(1:1000)))
    
    vec <- matrix(0, 2,5)
    system.time(vec[1,] <- runif(5))
    system.time(vec[2,] <- runif(5))
    print(vec)
    
    utilisateur     système      écoulé
          0.001       0.000       0.001
    utilisateur     système      écoulé
              0           0           0
    utilisateur     système      écoulé
              0           0           0
              [,1]        [,2]      [,3]      [,4]      [,5]
    [1,] 0.6916834 0.001697275 0.9038988 0.6834348 0.9710516
    [2,] 0.4069787 0.408694030 0.2347155 0.2954508 0.6385711
  3. Erreur relative

    Quelle est la formule pour l’erreur relative entre une valeur et son estimation ? Définir une matrice ERR de taille t*p dont la coordonnée (i,j) est l’erreur relative entre π et son estimation PIE[i,j].

  4. Représentation des résultats

    Utiliser le code suivant pour:

    • représenter sur un dessin la distribution de l’erreur relative ERR en fonction du nombre de points n utilisés pour l’estimation,
    • représenter le temps moyen tE en fonction du nombre n de points utilisés pour la simulation.
    ERR <- abs(PIE/pi - 1)
    par(mfrow=c(1,2),mar=c(4,4,2,2)+0.1)
    boxplot(ERR, main='Erreur relative sur PI', log='y', xlab='#points', ylab='Rel. Error')
    plot(10 ** (1:p), tE, type='b', main='Temps moyen d\'une simulation', log='x', xlab='#points', ylab='Time')
    

    mc_PI_TE.jpg

2.3. Autres méthodes d’estimation de π   BONUS

Instruisez vous avec la page wikipedia sur PI. Comparer la qualité des estimations obtenues avec la méthode de Monte Carlo avec :

  • les représentations fractionnaires,
  • les séries,
  • les produits,
  • les formules mathématiques,

N’oubliez pas qu’un ordinateur effectue des calcul approchés sur les nombres réels.

3. Polygones dans la suite du TP/projet

3.1. Définition d’un polygone simple

La suite du TP/projet utilise cette méthode dite de Monte Carlo, mais dans le but d’approximer l’aire d’un polygone. Un polygone est une figure géométrique plane, formée d’une suite cyclique de segments consécutifs. Les polygones considérés sont des polygones simples (c’est-à-dire dont les arêtes ne se croisent pas), par opposition au cas des polygones complexes qui n’est pas traité ici. Notez bien que les polygones considérés ne sont pas nécessairement convexes.

3.2. Représentation d’un polygone sous forme de matrice

Dans la suite, on décrira un polygone à n côtés à l’aide d’une matrice de taille (n+1)*2. Plus pécisément, le polygone constitué des segments [(x_1,y_1);(x_2,y_2)], [(x_2,y_2);(x_3,y_3)], …, [(x_n,y_n);(x_1,y_1)] sera représenté par une matrice M telle que:

  • M[i,1] = x_i et M[i,2] = y_i pour tout i compris entre 1 et n,
  • M[n+1,1] = M[1,1] = x_1 et M[n+1,2] = M[1,2] = y_1.

On notera que:

  • chaque ligne de la matrice M représente un sommet du polygone;
  • l’ordre dans lequel sont données les lignes est important, car un segment du polygone correspond à deux points consécutifs (autrement dit deux lignes consécutives);
  • la dernière ligne de la matrice est toujours identique à la première ligne: cette redondance d’information va permettre d’alléger le code par la suite.

Par exemple, on pourra utiliser le code suivant pour définir des polygones.

## Definition d'une fonction très utile
creer_polygone <- function (x,y) {
  matrix(c(x, x[1], y, y[1]), ncol=2,dimnames=list(c(), c("x","y")))
}

carre <- creer_polygone(c(10,10,90,90), c(30, 70, 70, 30))
## Une permutation cyclique des points donne le même polygone
carre <- creer_polygone(c(10,90,90,10), c(70, 70, 30, 30))
## En revanche, le code suivant ne définit pas un rectangle,
## mais un polygone dont les arêtes se croisent.
papillon <- creer_polygone(c(10,90,10,90), c(30,70,70,30))
## pour finir, voici un losange.
losange <- creer_polygone(c(50,10,50,90),c(30,50,70,50))

print(carre)
x  y
[1,] 10 70
[2,] 90 70
[3,] 90 30
[4,] 10 30
[5,] 10 70

3.3. Dessin d’un polygone

Vous pouvez dessiner un polygone avec la fonction plot, lorsque celui-ci est donné sous la forme décrite précédemment.

#+BEGIN_SRC R :exports both :file act07/dessin_poly.jpg :width 300 :height 300 :session poly plot(carre, type=’l’) lines(papillon -1, type=’b’, col=’firebrick’) lines(losange, type=’l’, col=’darkblue’) #+END_SRC R

dessin_poly.jpg

4. Génération de polygones

Tous les polygones que l’on demande de générer doivent être sous la forme matricielle définie en section précédente.

4.1. Polygone régulier

Pour rappel sur les propriétés de ces polygones, il est conseillé de jeter un oeil à l’adresse: https://fr.wikipedia.org/wiki/Polygone_r%C3%A9gulier.

Définir une fonction reg_poly <- function(n, r=1) { ... } qui prend en argument un entier n, un réel strictement positif r (de valeur 1 par défaut), et qui renvoie un polygone p vérifiant:

  • le polygone p a n côtés,
  • il est inscrit dans un cercle de centre (0,0) et de rayon r.

Indications:

  • Tous les sommets d’un polygone régulier peuvent être engendrés à partir d’un seul sommet et les images successives d’une rotation: quel est l’angle de cette rotation ? Donnez-le en radians et en fonction du nombre n de côtés du polygone.
  • Quelles sont les coordonnées cartésiennes (x,y) d’un point dont les coordonnées polaires sont (r,theta)?
  • Tester votre fonction reg_poly en dessinant un exemple de polygone régulier (vous pouvez utiliser la fonction dessin_polygone définie précédemment).

4.2. Polygone surprise

Quelle figure obtient-on lorsqu’on définit le polygone suivant ?

x <- c(0,0,9,11,11,9,8,11,9,6,3,3,8,9,9,8,2,2)
y <- c(0,12,12,10,7,5,5,0,0,5,5,7,7,8,9,10,10,0)
surprise <- creer_polygone(x,y)
plot(surprise,col="black", type="l")

5. Approximation de l’aire d’un polygone simple

5.1. Tirer un ou plusieurs points uniformément au hasard dans un rectangle

  1. Dimensions d’un rectangle

    Définir une fonction boite qui prend en argument un polygone donné sous la forme d’une matrice (comme précédemment) et renvoie une matrice contenant l’abscisse minimale du plus petit rectangle contenant ce polygone, son abscisse maximale, son ordonnée minimale et son ordonnée maximale. Par exemple:

    print(losange)
    bo <- boite(losange)
    print(bo)
    
    x  y
    [1,] 50 30
    [2,] 10 50
    [3,] 50 70
    [4,] 90 50
    [5,] 50 30
         x  y
    min 10 30
    max 90 70
  2. Tirage de points uniformément aléatoirement dans un rectangle

    Définir une fonction points_aleatoires qui prend en argument un couple (n, bo), où n est un entier et bo une boîte rectangulaire, et renvoie une matrice M contenant n points tirés uniformément au hasard dans le rectangle r=[xmin;xmax]*[ymin;ymax]. Plus précisément, la matrice M est de taille n*2 et chaque ligne contient un point tiré uniformément au hasard dans le rectangle r. Par exemple:

    bo <- matrix(c(3, 5, 6, 8),nrow=2, dimnames=list(c("min","max"), c("x","y")))
    pts <- points_aleatoires(5, bo)
    print(pts)
    
    x        y
    [1,] 3.258553 7.597769
    [2,] 4.720517 7.375495
    [3,] 4.828405 7.450762
    [4,] 3.775091 7.941043
    [5,] 3.278946 7.821924

5.2. Un point donné est-il à l’intérieur ou à l’extérieur du polygone ?   HARD

Définir une fonction appartient(points, polygone) qui prend en arguments des points et un polygone, et renvoie pour chaque point TRUE si le point est à l’intérieur du polygone, FALSE sinon. On pourra s’appuyer sur une fonction auxiliaire appartient_poly(point, polygone) qui prend en arguments un point et un polygone, et renvoie TRUE si le point est à l’intérieur du polygone, FALSE sinon. On ne se souciera pas du résultat renvoyé par la fonction dans le cas où le point appartient à un des côtés du polygone. En théorie, les points seront tirés uniformément aléatoirement et la probabilité qu’un tel cas se produise sera nulle.

Indication: Lorsqu’un point est à l’intérieur d’un polygone, toute demi-droite partant de ce point possède un nombre impair d’intersections avec les côtés du polygone. Lorsqu’il est à l’extérieur, elle en possède nécessairement un nombre pair.

Vous pourrez utiliser le code suivant pout tester la fonction appartient.

## Réaliser un test de la fonction
carre <- creer_polygone(c(0, 0, 1, 1), c(0, 1, 1, 0))
cc <- seq(from=-0.25,to=1.25,by=0.25)
points <- do.call(rbind,lapply(cc, FUN=cbind, cc,deparse.level = 0))
pin <- appartient(points,carre);
## Dessiner le résultat du test
par(mar=c(2,2,3,2)+0.1)
plot(carre, type='l', main="Test de la fonction appartient", xlim=range(carre[,1],points[,1]), ylim=range(carre[,2],points[,2]))
points(points[pin,1], points[pin,2], col='firebrick', pch=20)
points(points[!pin,1], points[!pin,2], col='darkblue', pch=20)

test_appartient.jpg

  1. Références

5.3. Méthode de Monte Carlo et calcul approché de l’aire d’un polygone

  1. Principe

    Pour calculer une valeur approchée de l’aire d’un polygone p, on va utiliser la méthode de Monte Carlo. Cette méthode nécessite de trouver une forme géométrique rectangulaire contenant le polygone , dont on sait calculer l’aire, et dans laquelle on est capable de tirer des points uniformément au hasard. Détailler quelle forme géométrique va être utilisée ici.

    Donner la valeur approchée de l’aire du polygone en fonction de:

    • la proportion du nombre de points qui sont dans le polygone, et
    • l’aire de la boîte rectangulaire
  2. Mise en oeuvre

    Définir une fonction mc.poly qui prend en argument un entier n correspondant au nombre de points à tirer au hasard et un polygone, et qui renvoie une valeur approchée de l'aire du ~polygone par la méthode de Monte Carlo.

    print(mc.poly(10, losange))
    print(mc.poly(1000, losange))
    print(mc.poly(10000, losange))
    
    [1] 1280
    [1] 1606.4
    [1] 1622.4
  3. Dessin d’une simulation

    Définir une fonction dessin_simu qui prend en argument un polygone (sous forme d’une matrice) et des points (une matrice) et les dessine. Une alternative consiste à définir un argument booléen optionnel DRAW à la fonction mc.poly.

    mc_losange.jpg

6. Calcul exact de l’aire d’un polygone simple

6.1. Exemple

Deviner l’aire du carré :

print(mc.poly(10000, carre))

Vérifier par le calcul que votre résultat est satisfaisant pour le losange et la carré.

6.2. Aire exacte d’un polygone simple

  1. Explication de la formule

    Donner la formule permettant de calculer l’aire d’un polygone simple (quelconque). Expliquer cette formule à l’aide de phrases et d’un dessin.

  2. Programmation

    Définir une fonction aire.poly qui prend en argument un polygone et calcule son aire exacte.

    Par exemple:

    print(aire.poly(surprise))
    print(mc.poly(5000,surprise))
    
    [1] -71
    [1] 69.1944

    L’aire du polygone est négative, car les sommets sont donnés dans le sens anti-trigonométrique (celui des aiguilles d’une montre).

7. Simulations : aire approchée versus aire exacte

Définir un ou plusieurs polygone(s) (par exemple en utilisant la fonction reg_poly), calculer une aire approchée à l’aide de la fonction mc.poly, et l’aire exacte à l’aide de la fonction aire.poly. Comparer les deux valeurs. Faire différentes simulations, en faisant varier le nombre de points utilisés pour approximer l’aire. Représenter vos résultats.

Indication: pour la représentation des simulations, vous pourrez vous inspirer de la première partie du TP/projet, sur l’approximation du nombre π.

8. Plus de polygones réguliers   BONUS

Cette section généralise la fonction reg_poly.

Redéfinir la fonction reg_poly qui prend maintenant en argument un entier n, un réel strictement positif r (de valeur 1 par défaut), des réels x, y et alpha (de valeur 0 par défaut), et qui renvoie un polygone p vérifiant:

  • le polygone p a n côtés,
  • il est inscrit dans un cercle de centre (x,y) et de rayon r,
  • l’un des sommets de p se trouve sur la droite passant par (x,y) et faisant un angle alpha avec l’axe des abscisses.

Indications:

  • Tous les sommets d’un polygone régulier peuvent être engendrés à partir d’un seul sommet et les images successives d’une rotation: quel est l’angle de cette rotation ? Donnez-le en radians et en fonction du nombre n de côtés du polygone.
  • Quelles sont les coordonnées cartésiennes (x,y) d’un point dont les coordonnées polaires sont (r,theta)?
  • Tester votre fonction reg_poly en dessinant un exemple de polygone régulier (vous pouvez utiliser la fonction dessin_polygone de la section 4).

9. Utilisation de data frame   BONUS

9.1. Représentation des résultats pour un polygone

Définir une fonction resultats qui prend en argument un polygone p, et renvoie un objet de type data frame, contenant des simulations obtenues à partir du polygone p. Par exemple, chaque ligne du data frame peut contenir:

  • un nombre n de points utilisés pour les simulations,
  • plusieurs estimations de l’aire de p, chacune obtenue par une simulation avec n points,
  • le temps moyen mis pour obtenir ces estimations,
  • l’erreur relative pour chaque simulation.

Représenter vos résultats à partir du data frame.

9.2. Représentation des résultats pour une liste de polygones

Le but de cette section est de créer un fichier .csv, qui contiendra les résultats obtenus pour plusieurs polygones. Il est conseillé de définir et d’utiliser des fonctions, plutôt que de représenter les résultats un par un.

Choisir une dizaine de polygones. Créer un data frame contenant, sur chaque ligne:

  • un polygone p (ou une référence à un polygone, tous les polygones étant par exemple stockés dans une liste externe),
  • l’aire exacte de ce polygone,
  • pour différentes valeurs de n (par exemple n=10**j, pour j=1:3):
    • la moyenne m de plusieurs estimations de l’aire de p, chaque estimation ayant été obtenue par une simulation avec n points,
    • l’écart-type entre ces estimations,
    • le temps moyen mis pour obtenir ces estimations,
    • l’erreur relative entre la moyenne m et l’aire exacte.

Exporter ce data frame dans un fichier .csv, afin de pouvoir le réutiliser par la suite.

Représenter certains de vos résultats (par exemple moyenne et écart-type) à partir de la lecture du fichier .csv.

Created: 2023-11-23 jeu. 10:12