蒙特卡罗方法手搓图形

蒙特卡罗方法介绍： 

        蒙特卡罗方法（Monte Carlo Method）是一种基于随机数生成和统计学的数值计算方法。它通过大量的随机样本来模拟问题的解，并通过统计这些样本的结果来估算问题的数值解。这个方法的名称来源于摩纳哥的蒙特卡罗赌场，因为这种方法依赖于随机性，类似于赌博中的随机性。蒙特卡罗方法广泛应用于数学、物理学、工程学、金融学等领域，特别适用于无法用解析方法求解的复杂问题。常见应用包括：积分计算、优化问题、统计模拟、风险分析等。

        手搓图形指的是通过蒙特卡罗方法来估算几何图形的某些特性，比如面积、积分等。

        一种经典的例子是通过蒙特卡罗方法估算圆的面积。假设我们在一个单位正方形内随机投点，且正方形内有一个内切圆。通过计算落在圆内的点的比例，就可以估算圆的面积。

蒙特卡罗方法的核心思想

1. 随机抽样：通过生成大量随机数来模拟系统的行为。
2. 统计分析：对这些随机样本进行统计分析，估算期望值或其他相关统计量。
3. 重复实验：随着样本数量的增加，估算值会逐渐接近真实解。

蒙特卡罗估算圆的面积示例

1. 设置场景：单位正方形的边长为2，内切圆的半径为1，圆心在正方形的中心。
2. 随机投点：在正方形内部随机生成大量点（可以假设有1000个点）。
3. 判断点是否在圆内：点到圆心的距离小于半径，则该点在圆内。
4. 计算圆的面积：圆的面积占整个正方形面积的比例接近于落在圆内的点占总点数的比例，乘以正方形的面积（即4）就得到了圆的面积。

实现的Python代码：

import random
import matplotlib.pyplot as plt

# 设置随机点的数量
num_points = 1000

# 初始化计数器
inside_circle = 0

# 存储点的坐标
points_x = []
points_y = []
inside_x = []
inside_y = []

# 圆的圆心和半径
circle_center = (0, 0)
circle_radius = 1

# 生成随机点并判断是否在圆内
for _ in range(num_points):
    x = random.uniform(-1, 1)
    y = random.uniform(-1, 1)
    points_x.append(x)
    points_y.append(y)

    # 判断点是否在圆内（使用圆心和半径）
    if (x - circle_center[0]) ** 2 + (y - circle_center[1]) ** 2 <= circle_radius ** 2:
        inside_circle += 1
        inside_x.append(x)
        inside_y.append(y)

# 计算圆的估计面积
square_area = 4  # 正方形边长为2，面积为2*2
estimated_circle_area = (inside_circle / num_points) * square_area
print(f"Estimated area of the circle: {estimated_circle_area}")

# 绘制图形
plt.figure(figsize=(6, 6))
plt.scatter(points_x, points_y, color='blue', label='Outside Circle', alpha=0.5)
plt.scatter(inside_x, inside_y, color='red', label='Inside Circle', alpha=0.5)

# 绘制内切圆
circle = plt.Circle(circle_center, circle_radius, color='green', fill=False, linewidth=1.5, label='Inscribed Circle')
plt.gca().add_patch(circle)

plt.title("Monte Carlo Estimation of Circle Area")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.xlim(-1, 1)
plt.ylim(-1, 1)
plt.legend()
plt.gca().set_aspect('equal', adjustable='box')  # 保持图形比例
plt.show()

绘制出的图形：