蒙特卡洛方法 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 =