Python实现蒙特卡洛模拟

什么是蒙特卡洛模拟呢？让我来说说吧：

蒙特卡洛（Monte Carlo）方法，又称随机抽样或统计试验方法，属于计算数学的一个分支，它是在上世纪四十年代中期为了适应当时原子能事业的发展而发展起来的。传统的经验方法由于不能逼近真实的物理过程，很难得到满意的结果，而蒙特卡罗方法由于能够真实地模拟实际物理过程，故解决问题与实际非常符合，可以得到很圆满的结果。这也是以概率和统计理论方法为基础的一种计算方法，是使用随机数（或更常见的伪随机数）来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。为象征性地表明这一方法的概率统计特征，故借用赌城蒙特卡罗命名。

蒙特卡洛模拟有两个优点：

一是简单，省却了繁复的数学报导和演算过程，使得一般人也能够理解和掌握；

二是快速。简单和快速，是蒙特卡罗方法在现代项目管理中获得应用的技术基础。

让我们实现关于 抛硬币 的蒙特卡洛模拟吧！

废话不说，先上代码：

import random #导入模块

# 模拟功能
def simulate():
    # 第一次抛硬币
    res1 = random.randint(0, 1)
    # 第二次抛硬币
    res2 = random.randint(0, 1)
    # 返回模拟结果
    return [res1, res2]


# 测试次数
n = 100 #计算力强大的可以多几个0，越多越精细
# 第一次为反面(0),第二次为正面(1)的次数
m = 0
# 循环n次进行测试
for i in range(n):
    # 模拟并返回模拟结果
    res_list = simulate()
    # 如果第一次res_list[0]为反面(0)，并且第二次res_list[1]为正面(1)
    if res_list[0] and res_list[1] ==1:
        # 次数加1
        m = m + 1
# 打印可能性
print(m / n)