你们好，最近小活发现有诸多的小伙伴们对于蒙特卡洛模拟计算VaR，蒙特卡洛模拟这个问题都颇为感兴趣的，今天小活为大家梳理了下，一起往下看看吧。

1、求解圆周率,在平面中随机抽样，分布着一定数量的点，点的分布服从均匀分布。通过求解点落在圆内的概率，即可求解圆的面积与平面面积的比值，而求解出圆周率。

(资料图片)

2、代码演示及结果

3、x=numpy.random.uniform(0，1，100000)

4、y=numpy.random.uniform(0，1，100000)

5、计数=0

6、对于范围内的我(len(x)):

7、d=math.sqrt(幂((x[i]-0.5)，2)幂((y[i]-0.5)，2))

8、如果d=0.5:

9、计数=1

10、PI=计数/浮点(len(x))*4

11、delta=round((PI-math。PI)/数学。* 100，2)

12、打印“str(len(x))”的str(count)位于圆内点："

13、"打印"计算出的圆周率是："字符串(圆周率)

14、"打印"的理论值是：" str(math.pi)

15、"打印"的偏差是：" str(delta)% "

16、"打印"圆的面积是：" str(count/float(len(x)))"使用蒙特卡罗。"

17、"打印"圆的面积为：" str(round(math.pi*power(0.5，2)，4))"使用理论值"

18、从matplotlib .补丁导入圆

19、将matplotlib.pyplot作为plt导入

20、图=plt .图()

21、ax=figure.add_subplot(111)

22、ax.plot(x，y，" ro "markersize=1)

23、circle=Circle(xy=(0.5，0.5)，半径=0.5，=0.5)

24、ax.add_patch(圆形)

25、plt.show()

26、数值积分。

27、对复杂函数的积分，可以使用此方法，误差是存在的。但是方便快捷。

28、与第一个例子类似，也是抽样分析。分析点落在积分面积的概率。

29、代码演示及结果

30、a=numpy.linspace(0，1，10000)

31、b=幂(一，2)

32、图=plt .图()

33、ax=figure.add_subplot(111)

34、ax.plot(a，b，" b- ")

35、plt.show()

36、f=x:幂(x，2)

37、x=numpy.random.uniform(0，1，1000000)

38、y=numpy.random.uniform(0，1，1000000)

39、计数=0

40、对于范围内的我(len(x)):

41、如果y[i]=f(x[i]):

42、计数=1

43、打印计数/浮动(len(x))

44、打印1/浮动(3)

45、人口问题模拟

46、例如某些人生二胎是为了，生男孩，那么采用这种策略会影响男女性别比例吗？

47、代码如下：

48、n=10000

49、比率=[]

50、dic={ "男性"0,"女性"0}

51、对于范围内的我(n):

52、p=numpy.random.rand()

53、如果p0.5:

54、dic["男性"]=1

55、否则：

56、dic["女性"]=1

57、而p0.5:

58、p=numpy.random.rand()

59、如果p0.5:

60、dic["女性"]=1

61、否则：

62、dic["男性"]=1

63、如果dic["女"]!=0:

64、ratio.append(dic["男性]/float(dic["女性"]))

65、绘图（比率，“b-”)

66、通过模拟我们发现其实不会影响。男女比例大致为1:1

以上就是蒙特卡洛模拟这篇文章的一些介绍，希望对大家有所帮助。