蒙特卡洛模拟python概率

蒙特卡洛模拟是一种基于随机抽样的统计方法，用于估计数学问题的概率分布或数值。在Python中，可以使用随机数生成器和循环结构来实现蒙特卡洛模拟。

下面是一个简单的蒙特卡洛模拟的Python代码示例，用于估计π的值：

import random

def estimate_pi(num_points):
    points_inside_circle = 0
    points_total = 0

    for _ in range(num_points):
        x = random.uniform(0, 1)
        y = random.uniform(0, 1)
        distance = x**2 + y**2

        if distance <= 1:
            points_inside_circle += 1
        points_total += 1

    pi_estimate = 4 * points_inside_circle / points_total
    return pi_estimate

# 调用函数进行估计
num_points = 1000000
pi_estimate = estimate_pi(num_points)
print("估计的π值为:", pi_estimate)

在这个示例中，我们通过在单位正方形内随机生成点，并计算这些点到原点的距离来估计π的值。如果点到原点的距离小于等于1，则认为该点在单位圆内。通过统计落在单位圆内的点的数量与总点数的比例，可以得到π的估计值。