- el enfoque geométrico
El problema es claramente invariable a escala.
Así que tomemos el cuadrado $Q=[-1,1]^2$ en cuyo interior yacía $n$ "monedas" de radio $r \le 1$ , que también pueden solaparse.
Las monedas están distribuidas aleatoriamente i.i.d. de manera uniforme, con centros $X_k=(x_k,y_k)$ en el cuadrado $R =[ -1+r,1-r]^2$ .
Queremos determinar el área prevista $A$ del espacio que queda sin cubrir en $Q$ que es el complemento de la unión del $n$ monedas. La superficie puede variar de un máximo de $4- \pi r^2$ cuando las monedas estén totalmente apiladas, hasta $4-n \pi r^2$ si el espacio lo permite colocar las monedas sin que se superpongan, y luego ,al aumentar de $n$ y/o $r$ al máximo embalaje , hasta llegar a $n$ a un mínimo de $(4-\pi) r^2$ cuando el cuadrado está casi totalmente cubierto, excepto en las esquinas donde el espacio con los círculos tangentes permanecerá siempre.
Para nuestro propósito, tomamos un "punto exploratorio" aleatorio $X=(x,y)$ distribuido uniformemente en $Q$ y calcular la probabilidad de que caiga fuera de cualquiera de las monedas, que es el cociente $A/|Q| = A/4$ .
Eso equivale a fijar un círculo de radio $r$ alrededor del punto de exploración dado a $X \in [x, x+dx) \times [y+dy) \subset Q$ , y determinar la probabilidad de que todos los $n$ puntos centrales $(x_k,y_k)$ caen fuera de ella y dentro $R$ .
Llamemos $\lambda(x,y,r)$ la relación entre el área de la porción del disco que rodea $(x,y)$ que cae dentro $R$ con respecto al área de todo el disco
Aplazamos al siguiente paso su formulación.
Dado $\lambda \left( {x,y,r} \right)$ expresaremos entonces el área que queda libre para asignar el $X_k$ como $\left| R \right| - \lambda \left( {x,y,r} \right)\pi r^{\,2}$ cuya relación con $|R|$ es $$ P(x,y,r) = 1 - {{\lambda \left( {x,y,r} \right)\pi r^{\,2} } \over {4\left( {1 - r} \right)^{\,2} }} $$ siendo que la probabilidad de encontrar un $X_k$ fuera del círculo en $X$ es decir $$ \Pr \left( {r < \left| {X_k - X} \right|\;\left| {\;X} \right.} \right) = P(x,y,r) = 1 - {{\lambda \left( {x,y,r} \right)\pi r^{\,2} } \over {4\left( {1 - r} \right)^{\,2} }} $$ La probabilidad de encontrar allí todos los $n$ puntos serán entonces $P(x,y,r)^n$ , convirtiéndose finalmente en la esperada del área libre, será $$ \bbox[lightyellow] { \eqalign{ & E\left( {{{A(n,r)} \over {\left| Q \right|}}} \right)= \overline A (n,r) = \cr & = \int\!\!\!\int\limits_{X \in Q} {\Pr \left( {r < \min \left( {\left| {X_k - X} \right|\;\, \left| {\,k \in \left[ {1,n} \right]} \right.} \right)\;\left| {\;X} \right.} \right)\Pr \left( {dX} \right)} = \cr & = \int_{ - 1}^1 {\int_{ - 1}^1 {\left( {1 - {{\lambda \left( {x,y,r} \right)\pi r^{\,2} } \over {4\left( {1 - r} \right)^{\,2} }}} \right)^{\,n} {{dxdy} \over 4}} } = \cr & = \int_0^1 {\int_0^1 {\left( {1 - {{\lambda \left( {x,y,r} \right)\pi r^{\,2} } \over {4\left( {1 - r} \right)^{\,2} }}} \right)^{\,n} dxdy} } \cr} \tag{1} }$$ donde el último paso proviene de la simetría de $\lambda$ .
2) Aspectos computacionales
La formulación general exacta de $\lambda (x,y,r)$ es bastante engorroso, ya que está muy fragmentado según las distintas posiciones relativas del círculo y el cuadrado.
Sin embargo, al alcance de encontrar una buena aproximación asintótica para grandes $n$ y pequeños $r$ podemos partir de la versión más sencilla que se obtiene
en el caso de que $r \le 1/2$ .
En este caso, el fórmula exacta es, dentro del primer cuadrante
$$ \bbox[lightyellow] { \left\{ \begin{array}{l} u = \left( {x - \left( {1 - r} \right)} \right)/r\quad v = \left( {y - \left( {1 - r} \right)} \right)/r \\ 0 \le x,y \le 1\quad \Leftrightarrow \quad 1 - \frac{1}{r} \le u,v \le 1 \\ g(t) = \left[ {t < - 1} \right]\left( { - \frac{\pi }{2}} \right) + \left[ { - 1 \le t < 1} \right] \left( {\arcsin t + t\sqrt {1 - t^{\,2} } } \right) + \left[ {1 \le t} \right]\left( {\frac{\pi }{2}} \right) \\ \lambda (u,v) = \frac{1}{{2\pi }}\left\{ {\begin{array}{*{20}c} {\frac{\pi }{2} + 2uv - g(u) - g(v)} & {\left| {\;u^{\,2} + v^{\,2} < 1} \right.} \\ { - 2g(u) - 2g(v)} & {\left| {\;u < 0\; \wedge \;v < 0\; \wedge \;1 \le u^{\,2} + v^{\,2} } \right.} \\ {\pi - 2g(v)} & {\left| {\;u < 0\;\; \wedge \;0 \le v\,\; \wedge \;1 \le u^{\,2} + v^{\,2} } \right.} \\ {\pi - 2g(u)} & {\left| {\;0 \le u\; \wedge \;v < 0\; \wedge \;1 \le u^{\,2} + v^{\,2} } \right.} \\ 0 & {\left| {\;0 \le u\;\; \wedge \;0 \le v\,\; \wedge \;1 \le u^{\,2} + v^{\,2} } \right.} \\ \end{array}} \right. \\ \end{array} \right. \tag{2} }$$
donde $[P]$ denota el Soporte Iverson .
En particular $$ \bbox[lightyellow] { \lambda (u,v) = 1\quad \left| {\;\left( {1 - 1/r} \right) \le u < -1\; \; \wedge \;\left( {1 - 1/r} \right) \le v < -1} \right. \tag{2.a} }$$
Ahora $\lambda$ es esencialmente una función escalonada 2D suavizada en $[1-1/r,\; 1]^2$ ,
por lo que es posible demostrar que, con un error despreciable para nuestro ámbito (inferior a $0.014$ sólo en la esquina $[-1,1]^2$ ), podemos aproximarla como el producto de sus secciones transversales en $u$ y $v$ es decir, de las líneas tercera y cuarta anteriores.
Y, como una aproximación más rentable , podemos "biselar" la esquina $-1 < u,v <1$ radialmente con el mismo perfil que en los "flancos", es decir, podemos aproximar $\lambda$ como $$ \bbox[lightyellow] { \left\{ \matrix{ \matrix{ {u = \left( {x - \left( {1 - r} \right)} \right)/r \quad v = \left( {y - \left( {1 - r} \right)} \right)/r} \hfill \cr {0 \le x,y \le 1\quad \Leftrightarrow \quad 1 - {1 \over r} \le u,v \le 1} \hfill \cr {h(t) = {1 \over \pi }\left( {\arccos t - t\sqrt {1 - t^{\,2} } } \right)} \hfill \cr {\rho = \sqrt {\left( {u + 1} \right)^2 + \left( {v + 1} \right)^2 } } \hfill \cr } \hfill \cr \lambda (u,v) \approx \left\{ {\matrix{ 1 \hfill & {\left| {\;u < - 1\;,\quad v < - 1} \right.} \hfill \cr {h(v)} \hfill & {\left| {\;u < - 1\;,\quad - 1 \le v \le 1\,} \right.} \hfill \cr {h(u)} \hfill & {\left| {\; - 1 \le u \le 1\;,\quad v < - 1\,} \right.} \hfill \cr {h(\rho - 1)} \hfill & {\left| {\; - 1 \le u,\quad - 1 \le v, \quad \left( {u + 1} \right)^2 + \left( {v + 1} \right)^2 < 4} \right.} \hfill \cr 0 \hfill & {\left| {\;4 \le \left( {u + 1} \right)^2 + \left( {v + 1} \right)^2 } \right.} \hfill \cr } } \right. \hfill \cr} \right. \tag{3} }$$ Entonces, poniendo $$ H(r) = {{\pi r^{\,2} } \over {4\left( {1 - r} \right)^{\,2} }} $$ podemos reescribir la integral en (1) como $$ \bbox[lightyellow] { \eqalign{ & \overline A (n,r) = \cr & = \int_0^1 {\int_0^1 {\left( {1 - \lambda \left( {x,y,r} \right)H(r)} \right)^{\,n} dxdy} } = \cr & = r^{\,2} \int_{1 - 1/r}^1 {\int_{1 - 1/r}^1 {\left( {1 - \lambda \left( {u,v} \right)H(r)} \right)^{\,n} dudv} } = \cr & = r^{\,2} \int_{1 - 1/r}^{ - 1} {\int_{1 - 1/r}^{ - 1} {\left( {1 - \lambda \left( {u,v} \right)H(r)} \right)^{\,n} dudv} } + \cr & + 2r^{\,2} \int_{1 - 1/r}^{ - 1} {\int_{ - 1}^1 {\left( {1 - \lambda \left( {u,v} \right)H(r)} \right)^{\,n} dudv} } + \cr & + r^{\,2} \int_{ - 1}^1 {\int_{ - 1}^1 {\left( {1 - \lambda \left( {u,v} \right)H(r)} \right)^{\,n} dudv} } = \cr & = \left( {1 - H(r)} \right)^{\,n} \left( {1 - 2r} \right)^{\,2} + \cr & + 2r\left( {1 - 2r} \right)\int_{ - 1}^1 {\left( {1 - h(u)H(r)} \right)^{\,n} du} + \cr & + r^{\,2} \int_{ - 1}^1 {\int_{ - 1}^1 {\left( {1 - \lambda \left( {u,v} \right)H(r)} \right)^{\,n} dudv} } = \cr & = L(n,r) + 2r\left( {1 - 2r} \right)I(n,r) + r^{\,2} J(n,r) \cr} \tag{4} }$$
De esta expresión exacta podemos partir y aplicar la aproximación más adecuada para los valores previstos de $n, r$ y para la precisión requerida.
0 votos
Se trata de un problema bastante interesante (+1)