À propos du calcul de Pi

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 *
print(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=np.pi/2)
print(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∼U(0,1) et Y∼U(0,1) alors P[X2+Y2≤1]=π/4 (voir Méthode de Monte Carlo sur Wikipédia). 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)
print(matplot_lib_filename)

<matplotlib.collections.PathCollection object at 0x7f4200f5fac0>

Il est alors aisé d'obtenir une approximation (pas terrible) de π en comptant combien de fois, en moyenne, X2+Y2 est inférieur à 1 :

4*np.mean(accept)

3.112