蒙特卡洛模拟python实例.docx

蒙特卡洛模拟python实例 蒙特卡洛模拟是一种基于随机抽样来解决数学、物理和工程问题的方法。在Python中，我们可以使用`numpy`库来生成随机数，从而进行蒙特卡洛模拟。以下是一个简单的蒙特卡洛模拟的例子，用于估算圆周率π的值。 ```python import numpy as np # 设置随机数种子，可选 np.random.seed(42) # 定义模拟次数 n_simulations = 1000000 # 生成随机点 x = np.random.uniform(-1, 1, n_simulations) y = np.random.uniform(-1, 1, n_simulations) # 计算点到原点的距离 distance = np.sqrt(x**2 + y**2) # 点在单位圆内部的数量 inside_circle = np.sum(distance <= 1) # 估算π pi_estimate = 4 * inside_circle / n_simulations print(f"Estimated π value after {n_