À propos du calcul de \(\pi\)
+
+
+Table des matières
+ +
+
+1. En demandant à la lib maths
+
+
++Mon ordinateur m'indique que \(\pi\) vaut approximativement: +
+ +
+
+
+from math import pi +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 \(P[X^2 + Y² \le 1] = \pi/4\) (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("figure.png")
+"figure.png"
+
++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 ++