蒙特卡洛python求解派_Python实现蒙特卡罗方法

一、蒙特卡罗方法简介

蒙特卡罗(Monte Carlo)方法：简单来说，蒙特卡洛的基本原理简单描述是先大量模拟，然后计算一个事件发生的次数，再通过这个发生次数除以总模拟次数，得到想要的结果，精髓就是：用统计结果去计算频率，从而得到真实值的近似值。蒙特卡洛方法可以应用在很多场合，但求的是近似解，在模拟样本数越大的情况下，越接近与真实值，但样本数增加会带来计算量的大幅上升。

二、实例

1.求圆周率pi的近似值：

(1)正方形内部有一个相切的圆，它们的面积之比是π/4。现在，在这个正方形内部，随机产生10000个点，计算它们与中心点的距离，从而判断是否落在圆的内部,若这些点均匀分布，则圆周率 pi=res/npi=res/n。

其中res:表示落到圆内投点数 n:表示总的投点数

(2)代码

import numpy as np

import matplotlib.pyplot as plt

from matplotlib.patches import Circle

# 投点次数

n = 10000

# 圆的半径、圆心

r = 1.0

a,b = (0.,0.)

# 正方形区域

x_min, x_max = a-r, a+r

y_min, y_max = b-r, b+r

# 在正方形区域内随机投点

x = np.random.uniform(x_min, x_max, n) #均匀分布

y = np.r