蒙特卡洛模型Python代码

蒙特卡洛模型是一种通过随机抽样来解决问题的方法，常用于求解复杂问题的近似解。在Python中，我们可以使用numpy库来实现蒙特卡洛模型。以下是一个简单的蒙特卡洛模拟圆周率的例子：

import numpy as np

def monte_carlo_pi(n):
    """
    使用蒙特卡洛方法估计圆周率π的值
    参数：
        n: 随机点的数量
    返回：
        π的估计值
    """
    points = np.random.rand(n, 2)  # 生成n个二维随机点
    inside_circle = np.sum(points[:, 0]**2 + points[:, 1]**2 <= 1)  # 计算落在单位圆内的点的数量
    pi_estimate = 4 * inside_circle / n  # 根据公式计算π的估计值
    return pi_estimate

# 示例：使用10000个随机点进行蒙特卡洛模拟
n = 10000
pi_estimate = monte_carlo_pi(n)
print("使用蒙特卡洛方法估计的圆周率值为：", pi_estimate)

在这个例子中，我们首先生成了n个二维随机点，然后计算这些点中有多少个落在单位圆内。最后，我们根据落在单位圆内的点的比例来估计圆周率π的值。