我知道如何使用蒙特卡洛计算积分,但我想知道是否可以使用梯形法则结合 numpy 提高效率以获得相同的积分,我不确定哪个最快或后者可能吗?
例如集成 e**-x**2 > y
我可以像这样使用蒙特卡洛方法:
import numpy as np
import matplotlib.pyplot as plt
X = np.random.rand(500000,2)
X[:,0] = X[:,0]*4-2
J = np.where(X[:,1] < np.exp(-X[:,0]**2))[0]
Xp = X[:2000]
Ip = [i for i in range(len(Xp)) if i in J]
Inp = [i for i in range(len(Xp)) if i not in J]
plt.plot(Xp[Ip,0],Xp[Ip,1], 'bd', Xp[Inp,0],Xp[Inp,1], 'rd')
plt.show()
这很容易计算:
print len(J) / 500000.0 * 4
给出:
1.767784
在这种情况下很容易,但如果没有指定间隔,如 [a,b] , n
,我想创建一个函数,那么我认为上面的方法不是真的高效,至少我是这么认为的。
所以,我的问题是,我能否将一个连续函数(例如 cos(x)/x
)集成到一个函数中,例如 [a,b]
梯形规则?
它比我在这里使用的方法更好吗?
欢迎大家提出建议。
最佳答案
只需使用scipy.integrate.quad
:
from scipy import integrate
from np import inf
from math import exp, sqrt, pi
res, errEstimate = integrate.quad(lambda x: exp(-x**2), -inf, +inf)
print(res) #output: 1.7724538509055159
print(sqrt(pi)) #output: 1.7724538509055159
最后一行简单地检查评估的积分确实是 Pi 的平方根(它是 Gaussian integral )。
关于python - 计算积分的有效方法?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50395475/