当前位置：首页 > news >正文

使用 Python 模拟蒙特卡洛实验

news 2025/5/5 10:16:02

使用 Python 模拟蒙特卡洛实验

蒙特卡洛方法是一种使用随机采样来解决数学问题的统计学技术。它通常用于计算复杂系统的概率、优化问题和物理模拟等领域。在这篇文章中，我们将通过一个经典的问题——估算圆周率 (π) 的值，来演示如何使用 Python 进行蒙特卡洛实验。

蒙特卡洛估算 π 的基本原理

蒙特卡洛方法可以用来估算 π 的值。假设我们在一个边长为 2 的正方形内绘制一个单位圆（半径为 1）。该正方形的面积是 (2 \times 2 = 4)，而圆的面积是 (\pi \times r^2 = \pi)。我们可以通过以下步骤来估算 π：

随机生成许多点，这些点均匀分布在正方形内。
计算有多少个点落在单位圆内。
通过比率来估算 π：[ \pi \approx \frac{\text{圆内的点数}}{\text{总点数}} \times 4 ]

代码实现

下面是使用 Python 实现上述蒙特卡洛估算 π 的简单代码：

import random
import matplotlib.pyplot as pltdef monte_carlo_pi(num_samples):inside_circle = 0x_inside, y_inside = [], []x_outside, y_outside = [], []for _ in range(num_samples):# 生成随机点 (x, y)x, y = random.uniform(-1, 1), random.uniform(-1, 1)# 判断点是否在单位圆内if x**2 + y**2 <= 1:inside_circle += 1x_inside.append(x)y_inside.append(y)else:x_outside.append(x)y_outside.append(y)# 计算 π 的估算值pi_estimate = (inside_circle / num_samples) * 4return pi_estimate, x_inside, y_inside, x_outside, y_outside# 设定样本数量并执行实验
num_samples = 10000
pi_value, x_in, y_in, x_out, y_out = monte_carlo_pi(num_samples)print(f"估算的 π 值: {pi_value}")# 绘制结果
plt.figure(figsize=(8, 8))
plt.scatter(x_in, y_in, color='blue', s=1)  # 圆内的点
plt.scatter(x_out, y_out, color='red', s=1)  # 圆外的点
plt.title('蒙特卡洛方法估算 π')
plt.xlabel('X')
plt.ylabel('Y')
plt.xlim(-1, 1)
plt.ylim(-1, 1)
plt.gca().set_aspect('equal')  # 设置坐标轴比例相等
plt.grid()
plt.axhline(0, color='black',linewidth=0.5, ls='--')
plt.axvline(0, color='black',linewidth=0.5, ls='--')
plt.show()