1. Nauka
    2. /
  2. Kursy
    3. /
  3. Symulacje Monte Carlo w Pythonie
Connected

ćwiczenie

Błędne obliczenie deterministyczne

W tym ćwiczeniu i następnym poeksperymentujesz z obliczeniami liczby pi z filmu, aby lepiej zrozumieć znaczenie każdego kroku w procesie symulacji.

Przypomnij sobie, że symulacja wyznaczania liczby pi generuje losowe punkty \((x, y)\), gdzie \(x\) i \(y\) przyjmują wartości z przedziału od -1 do 1, jak pokazano na poniższym wykresie.

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

Co się stanie, jeśli błędnie zdefiniujesz obliczenie deterministyczne, czyli warunek decydujący o tym, czy punkt powinien być dodany do circle_points? Jak wpłynie to na końcowy wynik? Dziwna wartość liczby pi, którą uzyskasz, pokaże, jak ważne jest poprawne określenie obliczeń deterministycznych w symulacjach Monte Carlo!

Biblioteka random została już zaimportowana.

Instrukcje

100 XP
  • Zwiększ circle_points dla każdego punktu, którego odległość od początku układu współrzędnych jest mniejsza niż 0,75 (zamiast odległości równej 1, jak pokazano w filmie).