每天走几万步，刷爆朋友圈，你是否想过一个问题：假设在一个二维平面上，随机走2万步，每一步朝向各个方向的概率都是一样的，那么你会走出一个什么形状呢？能够走多远呢？能够回到原点？
针对这种随机问题最好的解决方式就是模拟。 原理很简单：产生一个0-360的随机数，表示下一步的朝向，然后计算出新的坐标位置点，然后再下一步，循环直到达到你设定的步数终止。 你可以根据这个原理自己写一个简单的函数完成这个过程，也可以在GitHub上安装已经写好了的R包。
library(devtools)
install_github("Yiguan/simuWalk")
library(simuStep)
simuStep(20000) #第一次模拟
[1] "Distance from origin position : 99.3077766618963"
simuStep(20000) #第二次模拟
[1] "Distance from origin position : 117.945283108597"
simuStep(20000) #第三次模拟
[1] "Distance from origin position : 88.1862636170362"
下面依次是3次模拟图（红圆点表示原点，红三角表示终点）：
从第一次模拟看出，在2万步以内，离开原点之后，就再也没能回到原点！而第3次似乎有很多时候回到了原点附近。假设每一步步长1米的话，那么在这3次模拟中，走了2万步后离原点只有100米左右。
能不能回到原点
假设我们以-2<X<2且-2<Y<2为原点的定义，那么在2万步以内我们还能不能回到最初的原点呢？为此，以2万步为一个事件，又进行了1100次模拟，看一下在2万步以内能够回到原点的概率分布情况，如下：
从上面的分布图上可以看出，能够回到原点的概率主要分布在1000步以内，也就是最开始的时候是最有可能回到原点的，随着时间的延长，或者越走越远，能够回到原点的概率越来越低！虽然说直到最后20000步的时候你仍有可能回到原点，但是概率已经很低了，或许只能靠缘分了。
最后，模拟这个有什么意义？ 其实没太大意义。当然，也不是全无意义，实际上，上述运行就是布朗运动。
安装包： https://github.com/Yiguan/simuWalk
========= THE END ========
