用r语言使用蒙特卡罗方法（分别用随机投点法，平均值估计法，重要抽样法，分层抽样法）计算e^x在（-1，1）上的定积分，并比较各种算法误差

以下是使用R语言实现蒙特卡罗方法计算e^x在(-1,1)上的定积分，以及比较不同算法的误差：

首先定义被积函数为f(x)=exp(x)，然后用以下代码生成100000个随机点，并计算它们是否位于(-1,1)之间。最后，将所有落在该区间内的点的f(x)值求和并除以总的点数得到定积分的近似值。

set.seed(123)

n <- 100000
x <- runif(n, -1, 1)
y <- runif(n, 0, exp(1))

count <- sum(y <= exp(x))
integral <- count/n * (2*exp(1))

cat("The estimated integral using random sampling is", integral, "\n")

接下来是平均值估计法，它利用取样的平均值来近似估计目标函数的期望值。代码如下：

set.seed(123)

n <- 100000
x <- runif(n, -1, 1)

integral <- mean(exp(x))

cat("The estimated integral using mean estimation is", integral, "\n")

然后是重要抽样法，它使用一个更适合于函数形状的抽样分布来提高采样效率。以下是使用正态分布作为重要分布的示例代码：

set.seed(123)

n <- 100000

x <- rnorm(n, 0, 1)
y <- exp(x)

integral <- mean(y/exp(0))

cat("The estimated integral using importance sampling is", integral,