蒙特卡洛python代码

好的，以下是一个简单的蒙特卡罗模拟的 Python 代码示例，用于估计圆周率的值：

import random

def monte_carlo_pi(num_darts):
    count = 0
    for i in range(num_darts):
        x = random.uniform(-1, 1)
        y = random.uniform(-1, 1)
        if x**2 + y**2 <= 1:
            count += 1
    pi = 4 * count / num_darts
    return pi

这个函数接受一个参数 `num_darts`，表示要投掷的飞镖数量。函数使用 `random` 模块生成随机的 x 和 y 坐标，然后检查它们是否落在单位圆内。最后，函数返回估计的圆周率值。

您可以根据需要调整投掷数量来提高估计的准确性。

相关问题

蒙特卡洛采样python代码

以下是一个简单的蒙特卡洛采样的 Python 代码示例：

import random

# 定义一个函数 f(x)，用于计算函数值
def f(x):
    return x ** 2 + 2 * x + 1

# 定义采样次数
n = 1000000

# 定义采样范围 [a, b]
a = 0
b = 10

# 计数器，记录落在函数图像下方的点数
count = 0

# 进行蒙特卡洛采样
for i in range(n):
    x = random.uniform(a, b)
    y = random.uniform(0, f(b))
    if y <= f(x):
        count += 1

# 计算积分近似值
integral = count / n * (b - a) * f(b)

print("积分的近似值为：", integral)

在这个代码示例中，我们定义了一个函数 `f(x)`，用于计算函数值。然后，我们定义了采样次数 `n` 和采样范围 `[a, b]`。接着，我们进行蒙特卡洛采样，使用随机数生成器生成采样点 `(x, y)`，如果点 `(x, y)` 落在函数图像下方，则计数器 `count` 加 1。最后，我们使用计数器 `count`、采样次数 `n`、采样范围 `[a, b]` 和函数 `f(x)` 的值，计算积分的近似值。

蒙特卡洛模拟python代码

蒙特卡洛模拟是一种利用随机数进行数值计算的方法，可以用于估计复杂的数学问题。以下是一个简单的Python代码示例，用于计算圆周率的近似值：

import random

n = 1000000  # 模拟次数
count = 0  # 落在圆内的点数

for i in range(n):
    x, y = random.random(), random.random()  # 在 0 到 1 之间随机生成两个数
    if x**2 + y**2 < 1:  # 判断该点是否在圆内
        count += 1

pi = 4 * count / n  # 计算圆周率的近似值
print(pi)

代码中的 `random.random()` 函数用于生成 0 到 1 之间的随机数。我们在平面直角坐标系中取一个边长为 1 的正方形，在其内部画一个半径为 1 的圆。模拟过程中，我们随机生成若干个点，并判断每个点是否在圆内。最后，计算落在圆内的点数与总点数的比值，即可得到圆周率的近似值。

请注意，模拟次数越多，得到的结果越接近真实值。