蒙特卡洛模拟python实例

蒙特卡洛模拟是一种基于概率的模拟方法，可以用来解决在非确定性模型中难以进行分析的问题。在Python中，可以使用随机数生成算法来实现蒙特卡洛模拟。

一个经典的蒙特卡洛模拟的实例是计算圆周率π的近似值。通过在一个正方形内随机生成大量的点，并统计落在圆内的点的比例，可以利用这个比例来估计圆的面积，从而得到π的近似值。

以下是一个简单的Python实例代码，用于进行蒙特卡洛模拟计算π的近似值：

import random

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

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

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

    pi_approximation = 4 * points_inside_circle / points_total
    return pi_approximation

# 调用函数进行蒙特卡洛模拟计算π的近似值
approx_pi = monte_carlo_pi(1000000)
print(approx_pi)

在这个例子中，我们使用了Python的random模块来生成随机数。通过生成大量的随机点，并计算落在圆内的点的比例，最后乘以4，我们可以得到π的近似值。

请注意，这个例子只是蒙特卡洛模拟的一个简单示例，实际应用中可能涉及更复杂的问题和算法。
#### 引用[.reference_title]
- *1* *2* *3* [【Python】蒙特卡洛模拟 | PRNG 伪随机数发生器 | 马特赛特旋转算法 | LCG 线性同余算法 | Python Random ...](https://blog.csdn.net/weixin_50502862/article/details/126732514)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]