使用蒙特·卡罗方法计算圆周率近似值。 编写程序，模拟蒙特。卡罗计算圆周率近似值的方法，输入掷飞镖次数，然后输出圆周率近似值。观察实验结果，理解实验结果随着模拟次数增多越来越接近圆周率的原因。

蒙特·卡罗方法（Monte Carlo method）是一种统计学中常用的概率算法，尤其适用于难以解析或复杂的问题。计算圆周率的一种常见应用是使用随机点投射到单位圆内的面积来估计圆的面积，进而推算出圆周率π的值。

下面是使用Python编写的简单程序，模拟这个过程：

import random

def estimate_pi(n):
    # 创建一个正方形区域和一个内切圆
    square_side = 2
    circle_radius = 1

    # 投掷n次飞镖
    inside_circle = 0
    for _ in range(n):
        x = random.uniform(0, square_side)
        y = random.uniform(0, square_side)
        distance = (x**2 + y**2) ** 0.5
        if distance <= circle_radius:
            inside_circle += 1

    # 圆周率的近似值为圆的面积除以正方形的面积，乘以4（因为圆的直径是正方形边长的两倍）
    pi_estimate = 4 * (inside_circle / n)

    return pi_estimate

# 用户输入掷飞镖次数
n_points = int(input("请输入要投掷的飞镖次数: "))
pi_approximation = estimate_pi(n_points)
print(f"用{n_points}个飞镖投掷后，圆周率的近似值为 {pi_approximation:.4f}")