蒙特卡羅方法是一種統計模擬方法，由馮諾依曼和烏拉姆提出，在大量的隨機數下，根據概率估計結果，隨機資料越多，獲得的結果越精確。下面我們將用python實現蒙特卡羅方法。
1.首先我們做乙個簡單的圓周率的近似計算，在這個過程中我們要用到隨機數，因此需要先使用import numpy as np匯入numpy庫。
2.**實現：
www.cppcns.com
import numpy as np
towww.cppcns.comtal = 8000000
count = 0
for i in range(total):
x = np.random.rand()
y = np.random.rand()
dis = (x**2+y**2)**0.5
if dis <= 1:
count = 程式設計客棧count+1
pi = 4*count/total
print(pi)
3.在上面的程式中我們用8000000個隨機數進行投放，這樣得到的結果會更精確一些，執行程式需要一定的時間，最終得到的結果如下
4.下面我們進行一項簡單的應用，下圖為我在畫圖工具中隨便畫的乙個圖，我們可以用蒙特卡羅方法來估算圖中黑色部分的面積。
5.上面的圖形是不規則的，我們只需知道在投放大量隨機數的情況下，隨機數在黑色部分出現的概率，再用總面積相乘即可估算黑色部分的面積。我們知道，黑色的rgb編碼為(0,0,0)，所以需要統計rgb編碼為(0,0,0)時隨機數的投放概率即可。
6.**實現：
from pil import image
import numpy as np
im = image.open("c:/users/21974/desktop/handwrite2.png")
total = 9000000
count = 0
defin = 0
width = im.size[0]
height = im.size[1]
for i in range(total): #用蒙特卡羅方法獲得估計值
x = np.random.randint(0, width-1)
y = np.random.randint(0, height-1)
k = im.getpixel((x, y))
if k[0]+k[1]+k[2] == 0:
count += 1
print(int(width*height*count/total))
for i in range(width): #用遍歷獲得準確值
for j in range(height):
k = im.getpixel((i, j))
if k[0] + k[1] + k[2] == 0:
defin += 1
print(defin)
上面的**可分為兩部分，第乙個for後面是用蒙特卡羅方法獲得的面積的估計值，第二個for後面是用遍歷所有畫素點的方法獲得的面積的精確值，獲得兩個輸出後進行對比。
我們在上面的程式中採用了9000000個隨機數，可以看出兩個輸出結果相差並不大。
本文標題: python實現蒙特卡羅方法教程
本文位址: /jiaoben/python/251230.html
蒙特卡羅方法 python 實現
蒙特卡羅 monte carlo 方法的精髓 用統計結果去計算頻率，從而得到真實值的近似值。import numpy as np import matplotlib.pyplot as plt from matplotlib.patches import circle 投點次數 n 10000 圓的...
蒙特卡羅方法 python 實現
蒙特卡羅 monte carlo 方法的精髓 用統計結果去計算頻率，從而得到真實值的近似值。import numpy as np import matplotlib.pyplot as plt from matplotlib.patches import circle 投點次數 n 10000 圓的...
蒙特卡羅方法
概念 蒙特卡羅方法又稱統計模擬法 隨機抽樣技術 是一種隨機模擬方法，以概率和統計理論方法為基礎的一種計算方法，是使用隨機數來解決很多計算問題的方法。將所求解的問題同一定的概率模型相聯絡，用電子計算機實現統計模擬或抽樣，以獲得問題的近似解。為象徵性地表明這一方法地概率統計特徵，故借用賭城蒙特卡羅命名。...