第五次作业：蒙塔卡罗算法

import numpy as np

lower, upper = 0, 10  # 积分区间的下限与上限


def func(x):  # 导数
    f = np.exp(3*x)
    return f


def Func(x):  # 原函数
    F = (1/3)*np.exp(3*x)
    return F

# 用原函数求定积分
original = Func(upper) - Func(lower)
print("直接用原函数计算的定积分为：", original)

# 生成随机数，用蒙特卡洛算法(MCM)计算定积分
ans, count = 0, 1
while count <= 1000000:  # 在积分区间上随机生成1000000个f(x)
    ans += func(np.random.uniform(lower, upper))  # 均匀分布，求和
    count += 1  # 终止while循环的条件
montacarro = (upper - lower) * (ans / 1000000)  # 类似定积分的运算形式（积分的原始定义）
print("用蒙特卡洛算法计算的定积分为：", montacarro)

# 偏差程度
degree_of_bias = np.abs(montacarro - original) / original
print("偏差程度为：", degree_of_bias)