गलत इनपुट डिस्ट्रीब्यूशन्स
आप इस अभ्यास में pi वाले उदाहरण पर ही आगे काम करेंगे:
अगर आप इनपुट probability distribution को continuous uniform distribution (random.uniform()) से बदलकर discrete uniform distribution (random.randint()) कर दें, तो क्या होगा? आपके परिणाम भरोसेमंद नहीं होंगे, क्योंकि random.randint() डिस्क्रीट integers का सैंपल लेता है, जबकि random.uniform() continuous float numbers का सैंपल लेता है.
इस सिमुलेशन से निकले pi के अनुमानित मान पर ध्यान दीजिए. क्योंकि गलत probability distribution चुना गया है, यह बहुत सटीक नहीं होगा! Monte Carlo simulations में सही probability distributions चुनना बेहद ज़रूरी है, और हम आगे की लेसन्स में अलग‑अलग distributions पर विस्तार से बात करेंगे ताकि आगे चलते हुए आप सही चुनाव करने में आत्मविश्वास महसूस करें.
random आपके लिए इम्पोर्ट कर दिया गया है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Monte Carlo Simulations
अभ्यास निर्देश
- वीडियो में इस्तेमाल किए गए सही
random.uniform()फंक्शन के बजायrandom.randint()का उपयोग करके -1 से 1 के बीच इंटरवल मेंxऔरyकोऑर्डिनेट्स का सैंपल लें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
n = 10000
circle_points = 0
square_points = 0
for i in range(n):
# Sample the x and y coordinates from -1 to 1 using random.randint()
x = ____
y = ____
dist_from_origin = x**2 + y**2
if dist_from_origin <= 1:
circle_points += 1
square_points += 1
pi = 4 * circle_points / square_points
print(pi)