使用蒙特卡罗技术进行数值积分的简单工具。
mcint的Python项目详细描述
一个可以用来计算多维积分的蒙特卡罗积分器。结果是数值逼近，即BR/>依赖于使用随机数产生。BR/>实例1＜BR/>（X** 2）
BR/> DEF样本（）：描述Monte-Carlo样本是如何取而代之的：
产量。随机（）：BR/> BR/>结果，误差＝McCIT.积分（整合式，SAMPPLER（），测度＝1，n＝100）
< BR/>打印“x** 2在0和1之间的积分近似为”，result
integrate（）函数的第二个参数应该是iterable
表达式，在本例中，它是一个生成器。我们可以使用以下方法消除这个采样器：
result，error=mcint.integrate（integrand，iter（random.random，-1），measure=1.0，n=100）
这将从random.random（）函数创建一个iterable对象，该函数将连续调用random.random（），直到返回-1（它永远不会返回介于0.0和1.0之间的值）。
dy`：：
import math
def integrand（x）：
返回（x[0]**2+x[1]**2）
def sampler（）：
为真时：
y=random.random（）
x=random.random（）
如果x**2+y**2<；=1:
屈服（x，y）
result，error=mcint.integrate（integrand，sampler（），measure=math.pi/4）
BR/> DEF样本（）：描述Monte-Carlo样本是如何取而代之的：
产量。随机（）：BR/> BR/>结果，误差＝McCIT.积分（整合式，SAMPPLER（），测度＝1，n＝100）
< BR/>打印“x** 2在0和1之间的积分近似为”，result
integrate（）函数的第二个参数应该是iterable
表达式，在本例中，它是一个生成器。我们可以使用以下方法消除这个采样器：
result，error=mcint.integrate（integrand，iter（random.random，-1），measure=1.0，n=100）
这将从random.random（）函数创建一个iterable对象，该函数将连续调用random.random（），直到返回-1（它永远不会返回介于0.0和1.0之间的值）。
dy`：：
import math
def integrand（x）：
返回（x[0]**2+x[1]**2）
def sampler（）：
为真时：
y=random.random（）
x=random.random（）
如果x**2+y**2<；=1:
屈服（x，y）
result，error=mcint.integrate（integrand，sampler（），measure=math.pi/4）
欢迎加入QQ群-->： 979659372
