蒙特卡洛模拟是一种通过重复随机抽样来获得数值结果的方法。它广泛应用于各种领
域，如金融、物理、工程学和统计学等。在 Python 中，我们可以利用 NumPy 和
SciPy 等库来轻松实现蒙特卡洛模拟。以下是一个使用 Python 进行蒙特卡洛模拟的简
单实例，模拟投掷一个六面骰子多次，计算每个面出现的概率。
首先，你需要确保你的 Python 环境中安装了 NumPy 库。如果还没有安装，可以通过
pip 安装：
bash 复制代码
pip
install
numpy
然后，我们可以编写蒙特卡洛模拟的代码：
python 复制代码
import numpy as np
def monte_carlo_dice_roll(num_rolls):
"""
使用蒙特卡洛模拟投掷骰子 num_rolls 次，并计算每个面出现的概率。
参数:
- num_rolls: 投掷次数
返回:
- 一个字典，键为骰子的面（1 到 6），值为该面出现的概率。
"""
# 生成 num_rolls 个在 1 到 6 之间的随机整数，模拟投掷骰子
rolls = np.random.randint(1, 7, size=num_rolls)
# 计算每个面出现的次数
face_counts = np.bincount(rolls, minlength=6)
# 计算每个面出现的概率
face_probs = face_counts / num_rolls
# 将结果转换为字典
face_probs_dict = {i+1: prob for i, prob in
enumerate(face_probs)}
return face_probs_dict
# 示例：投掷骰子 10000 次
num_rolls = 10000
dice_probs = monte_carlo_dice_roll(num_rolls)
print(dice_probs)
在这个例子中，monte_carlo_dice_roll 函数通过 NumPy 的 randint 函数生成了一个在
1 到 6 之间（包括 1 和 6）的随机整数数组，模拟了投掷骰子的过程。然后，使用
bincount 函数计算了每个面出现的次数，并通过除以总投掷次数来计算每个面出现的
概率。最后，将这些概率存储在一个字典中并返回。
资源评论
