Chybný deterministický výpočet

V tomto a následujícím cvičení si pohraješ s výpočtem čísla pí z videa, abys lépe pochopil/a, jak důležitý je každý krok simulace.

Připomeň si, že simulace pro nalezení pí generuje náhodné body \((x, y)\), kde \(x\) a \(y\) leží v rozmezí od -1 do 1, jak ukazuje graf níže.

A graph of a circle inside a square with randomly sampled points

Co se stane, když deterministický výpočet, který rozhoduje o přidání bodu do circle_points, záměrně změníš na chybný? Jak to ovlivní výsledek? Z podivné hodnoty pí, kterou dostaneš, bude jasně vidět, proč správná specifikace deterministických výpočtů hraje v Monte Carlo simulacích klíčovou roli!

random je již naimportován.

Toto cvičení je součástí kurzu

Monte Carlo simulace v Pythonu

Zobrazit kurz

Pokyny k cvičení

Zvyš circle_points o jedničku pro každý bod, jehož vzdálenost od počátku souřadnic je menší než 0,75 (místo vzdálenosti jedna, jak bylo ukázáno ve videu).

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

n = 10000
circle_points = 0 
square_points = 0 
for i in range(n):
    x = random.uniform(-1, 1)
    y = random.uniform(-1, 1)
    dist_from_origin = x**2 + y**2
    # Increment circle_points for any point with a distance from origin of less than .75
    if ____:
        circle_points += 1
    square_points += 1
pi = 4 * circle_points / square_points
print(pi)

Upravit a spustit kód