几何概率模型：为什么撒点能算出 π？
题目描述：在第一象限以原点 $(0, 0)$ 为左下角、边长为 $a$ 的正方形区域内，随机撒下 $n$ 个点 $(x, y)$。圆心在原点、半径为 $a$ 的圆与该正方形的交集恰好是四分之一圆。统计落在圆内的点数 $cnt$，通过面积比估计圆周率 $\pi$：
- 正方形区域面积：$S_{\text{square}} = a \times a = a^2$；
- 四分之一圆区域面积：$S_{\text{quarter}} = \frac{1}{4} \pi a^2$；
- 几何概率比例：当撒点足够密集且均匀分布时，落入四分之一圆内的概率等于面积之比： $$\frac{cnt}{n} \approx \frac{S_{\text{quarter}}}{S_{\text{square}}} = \frac{\frac{1}{4} \pi a^2}{a^2} = \frac{\pi}{4}$$
- 圆周率反解公式：两边同乘 4，即可得出估算值：$$\pi \approx 4 \times \frac{cnt}{n}$$
这个思想就是著名的蒙特卡洛方法（Monte Carlo Method）——用计算机海量伪随机抽样来逼近确定性数学解。在现代计算机图形学渲染（光线追踪）、物理粒子碰撞模拟与金融期权定价中，蒙特卡洛都是不可或缺的底层基石。
蒙特卡洛采样与收敛动态演练
下方的交互画布实时模拟第一象限 $[0, a] \times [0, a]$ 的随机撒点过程。绿色为圆内点，红色为圆外点，青色弧线为边界 $x^2 + y^2 = a^2$。你可以切换不同样本量，或者手动批量撒点，亲眼见证估算值如何随着样本量增加一步步收敛到 $3.1416$：
考场三大致命陷阱：平方比较、边界等于与整除截断
这道题在考场上看似简单，但通过率却远没有想象中高。以下是复盘中总结出的三大极易丢分的工程陷阱：
为什么绝不能用 sqrt() 开方求欧氏距离？
很多考生的第一直觉是计算点到原点的距离：double dist = sqrt(x * x + y * y); if (dist <= a) ...。这在工程上有两大隐患：
- 指令开销巨大：浮点数开方
sqrt()是 CPU 中计算开销极大的操作，需要数十甚至上百个时钟周期。当 $n$ 达到 $10^5$ 时，频繁调用sqrt()很容易超时（TLE）； - 浮点精度漂移：浮点开方会引入精度舍入误差。对于原本恰好在圆上的边界点，开方可能因为微小扰动算出
5.000000000000001，导致误判！
标准解法：两边平方，直接比较：x * x + y * y <= (double)a * a。不仅只用加法和乘法（极快），而且完全避开了开方精度损失！
勾股数 (3, 4, 5) 边界点为什么必须用 <=？
题目明确说明：“圆内包含边界”。如果考场上顺手写成了 < a * a：
当半径 $a = 5$，测试数据中出现经典勾股数 $(3, 4)$ 时，$3^2 + 4^2 = 25 = 5^2$。如果代码是 <，这个点将被判为圆外，导致计数 $cnt$ 少算 1，整个测试点全错！
无论是几何几何题还是数组二分题，“等号是否包含”永远是决定 0 分还是 100 分的生死线。
4 * cnt / n 为什么算出了 0 或者 3？
在 C 语言中，如果把计数器 cnt 声明为普通整型 int cnt = 0;，那么表达式 4 * cnt / n 是纯整数运算！
例如采样 100 个点，圆内 78 个点：4 * 78 / 100 = 312 / 100 = 3，小数部分被强制截断，精度全失；如果先算 cnt / n 甚至会直接得到 0！
避坑策略：直接将 cnt 声明为 double cnt = 0;，或者在乘法中引入浮点字面量 4.0 * cnt / n，强制整个运算链提升为双精度浮点计算。
CSP 认证 100 分满分 C 语言代码节选
#include <stdio.h>
int main(void) {
int n, a;
// 读取采样点数 n 和正方形边长/半径 a
if (scanf("%d %d", &n, &a) != 2) {
return 0;
}
double x, y;
// cnt 声明为 double，直接规避后续整除截断陷阱
double cnt = 0;
for (int i = 0; i < n; i++) {
scanf("%lf %lf", &x, &y);
// 核心：直接比较平方，避开 sqrt 浮点指令开销与精度漂移
// 核心：必须使用 <= 包含圆弧边界点（如 3-4-5 勾股点）
if (x * x + y * y <= (double)a * a) {
cnt++;
}
}
// 4.0 保证全精度双精度浮点运算：π ≈ 4 * (cnt / n)
double p = 4.0 * cnt / n;
printf("%lf\n", p);
return 0;
}复杂度与大数定律收敛速率
N 为采样点数。单重循环流式处理输入点，无数组存储开销，每个点仅做 2 次乘法、1 次加法与 1 次常数比较，计算量极小，轻松在 100ms 内跑完十万级采样。
只使用标量变量，空间占用 $O(1)$。根据中心极限定理，蒙特卡洛采样的标准差为 $O(1 / \sqrt{N})$，样本量每扩大 100 倍，估计值有效数字增加 1 位。