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 *
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=pi/2)
valeur = 2/(sum((x+np.sin(theta))>1)/N)
print(valeur)

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 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)
print(matplot_lib_filename)

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 :

print('{:1.13f}'.format(4*np.mean(accept)))

3.1120000000000

Auteur: Konrad Hinsen

Created: 2019-03-28 Thu 11:06