蒙特卡洛方法入门 笔记

简介

原理:按照问题情景下的采样方式，通过大量的随机样本，对系统进行模拟，从而求得所需计算的参量。

可以认为，蒙特卡洛方法粗略分为2类。第一类是所求解的问题本身具有内在的随机性，借助计算机的运算能力可以直接模拟这种随机的过程。这一类下，核物理研究中，分析中子在反应堆中的传输过程是一个较为典型的例子。第二类则是所求解问题可以转化为某种随机分布的特征数，比如通过投点法近似估算圆周率、近似计算定积分、随机事件出现的概率，或者随机变量的期望值。

本篇文章侧重讲解第二类情况。

蒙特卡洛近似求圆周率（投点法）

import random

def monte_carlo():
    n = 1000000
    r = 1.0
    a, b =