guzhujushi
5319589dfd
审查并精简 ChatGPT 的建库建议后落地的第一版骨架，只定接口不写实现。 - 建议审查：14 个包 → 7 个；约 250 个函数 → 约 40 个；5 个 Result 类 → 1 个 （docs/01-suggestion-review.md） - docs/：架构、路线图（含永久不做清单）、环境、Git 工作流、函数卡片模板 - src/mcm_toolkit/：core / data / stats / models / solve / decision / viz 共 23 个模块，均为签名 + docstring + NotImplementedError - tests/：9 个文件，其中 test_api_surface.py 已通过（20 passed） - examples/ problems/ notebooks/ figures/ tables/ 骨架 - pyproject.toml（核心依赖 4 个 + 6 组 extras）、environment.yml - scripts/：setup-venv.ps1（ASCII + LF）、setup-conda.ps1、doctor.ps1 - 环境：.venv（system-site-packages）与 conda 环境 mcm-toolkit 均已建好， 数值栈版本与 base 完全对齐（numpy 2.4.6 / scipy 1.18.1 / pandas 3.0.6，MKL 后端）
49 lines
1.7 KiB
Python
49 lines
1.7 KiB
Python
"""蒙特卡洛：估计 π、积 x²、算概率，并画收敛曲线。
|
|
|
|
三个例子覆盖 MC 的三种典型用法：
|
|
积分（几何量）、概率估计、以及"n 要取多大才够"的收敛性验证。
|
|
"""
|
|
|
|
from __future__ import annotations
|
|
|
|
import numpy as np
|
|
|
|
from mcm_toolkit.solve import monte_carlo_integral, monte_carlo_probability
|
|
from mcm_toolkit.viz import mcm_style, plot_convergence, save_figure
|
|
|
|
|
|
def main() -> None:
|
|
mcm_style()
|
|
|
|
# --- 1) 估 π：单位正方形内落入四分之一圆的比例 × 4 ---
|
|
def in_circle(X: np.ndarray) -> np.ndarray:
|
|
return (X**2).sum(axis=1) <= 1.0
|
|
|
|
r = monte_carlo_probability(in_circle, lambda rng, **k: rng.uniform(-1, 1, size=(1, 2)), n=200_000, random_state=1)
|
|
print(f"π ≈ {4 * r.metrics['probability']:.5f} (真值 3.14159)")
|
|
|
|
# --- 2) 积分 ∫₀¹ x² dx = 1/3 ---
|
|
r2 = monte_carlo_integral(lambda X: X[:, 0] ** 2, bounds=[(0, 1)], n=200_000, random_state=2)
|
|
print(f"∫₀¹x²dx ≈ {r2.data:.5f} (真值 0.33333)")
|
|
|
|
# --- 3) 收敛性：MC 误差是 O(1/√n)，论文里要给这张图证明 n 选得够 ---
|
|
ns = np.unique(np.round(np.logspace(2, 6, 40)).astype(int))
|
|
errors = []
|
|
for n in ns:
|
|
est = monte_carlo_integral(lambda X: X[:, 0] ** 2, bounds=[(0, 1)], n=int(n), random_state=7)
|
|
errors.append(abs(est.data - 1 / 3))
|
|
|
|
fig, _ = plot_convergence(
|
|
np.column_stack([ns, errors]),
|
|
log=True,
|
|
reference=None,
|
|
title="Monte Carlo 误差随样本量收敛",
|
|
xlabel="样本量 n",
|
|
ylabel="绝对误差",
|
|
)
|
|
save_figure(fig, "figures/mc_convergence")
|
|
|
|
|
|
if __name__ == "__main__":
|
|
main()
|