蒙特卡洛Python
时间: 2023-11-05 20:50:00 浏览: 44
蒙特卡洛方法是一种利用随机抽样和统计模拟的方法来求解问题的数值近似方法。在Python中,我们可以利用随机数生成器和循环来实现蒙特卡洛模拟。
下面是一个简单的蒙特卡洛模拟的示例代码,用于计算圆周率π的近似值:
```python
import random
def estimate_pi(n):
num_points_inside_circle = 0
num_points_total = 0
for _ in range(n):
x = random.uniform(0, 1)
y = random.uniform(0, 1)
distance = x ** 2 + y ** 2
if distance <= 1:
num_points_inside_circle += 1
num_points_total += 1
pi_approximation = 4 * num_points_inside_circle / num_points_total
return pi_approximation
# 调用函数进行估计
approx_pi = estimate_pi(100000)
print(approx_pi)
```
在这个示例中,我们生成了数量为n的随机点,并计算出落在单位圆内的点的比例。根据圆的面积和正方形的面积之间的关系,我们可以得到π的近似值。
注意,蒙特卡洛方法是一种统计方法,其结果的准确性取决于抽样数量的多少。通常情况下,抽样数量越大,得到的结果越接近真实值。