À propos du calcul de π

Table des matières

1. En demandant à la lib maths
2. En utilisant la méthode des aiguilles de Buffon
3. Avec un argument "fréquentiel" de surface

1 En demandant à la lib maths

Mon ordinateur m'indique que π vaut approximativement :

from math import *
pi

3.141592653589793

2 En utilisant la méthode des aiguilles de Buffon

Mais calculé avec la méthode des aiguilles de Buffon, on obtiendrait comme approximation :

import numpy as np
np.random.seed(seed=42)
N = 10000
x = np.random.uniform(size=N, low=0, high=1)
theta = np.random.uniform(size=N, low=0, high=pi/2)
2/(sum((x+np.sin(theta))>1)/N)

3.128911138923655

3 Avec un argument "fréquentiel" de surface

Sinon, une méthode plus simple à comprendre et ne faisant pas intervenir d'appel à la fonction sinus se base sur le fait que si \(X \sim U(0,1)\) et \(Y \sim U(0,1)\) alors \(P[X^2+Y^2 \leq1] = \pi/4\) (voir méthode yde Monte Carlo sur Wikipedia). Le code suivant illustre ce fait :

import matplotlib.pyplot as plt

np.random.seed(seed=42)
N = 1000
x = np.random.uniform(size=N, low=0, high=1)
y = np.random.uniform(size=N, low=0, high=1)

accept = (x*x+y*y) <= 1
reject = np.logical_not(accept)

fig, ax = plt.subplots(1)
ax.scatter(x[accept], y[accept], c='b', alpha=0.2, edgecolor=None)
ax.scatter(x[reject], y[reject], c='r', alpha=0.2, edgecolor=None)
ax.set_aspect('equal')

plt.savefig(matplot_lib_filename)
matplot_lib_filename

Il est alors aisé d'obtenir une approximation (pas terrible) de π en comptant combien de fois, en moyenne, \(X^2+Y^2\) est inférieur à 1 :

4*np.mean(accept)

3.112