基于python的蒙特卡洛仿真

蒙特卡洛仿真是一种基于随机抽样和统计分析的数值计算方法，可用于模拟复杂的实际问题。在Python中，我们可以使用NumPy、SciPy等科学计算库来实现蒙特卡洛仿真。

下面是一个简单的基于Python的蒙特卡洛仿真的示例代码，用于估算圆周率：

import random

n = 1000000  # 抽样次数
count = 0  # 落入圆内的点数

for i in range(n):
    x, y = random.uniform(-1, 1), random.uniform(-1, 1)
    if x**2 + y**2 <= 1:
        count += 1

pi = 4 * count / n  # 估算出的圆周率
print(pi)

代码思路：在[-1,1]×[-1,1]的正方形内随机抽样n个点，判断每个点是否在圆内（圆心为(0,0)，半径为1），如果在圆内则计数器加1。最后根据圆的面积与正方形面积的比例，估算出圆周率。

需要注意的是，蒙特卡洛仿真的结果可能存在一定的误差，其精度与抽样次数和随机数生成算法有关。