我必須在R中創建蒙特卡洛模擬。我模擬連續滾動一對骰子100次。我應該看到何時總共發生七次的第一次滾動。當第一個總數爲7的滾動滾動時,我想存儲這個數字,然後找到平均值。我將運行模擬10萬次,然後使用平均值來查看擲骰子總共需要多長時間才能完成7次。我無法存儲此值。這裏是一些peuedocode: set.seed(101)
trials<-4 ## will later change to 100,
比方說,我有5個線程必須爲並行蒙特卡羅方法程序組合總計1,000,000函數調用。我爲這5個線程中的每一個分配了1,000,000/5函數調用。然而,經過多次測試(一些測試迭代次數高達1萬億次)後,我意識到有些線程的完成速度比其他線程快得多。因此,我想動態分配工作量到這些線程中的每一個。我的第一個方法涉及一個AtomicLong變量,它被設置爲初始值,例如,10億。每個函數調用後,我就減1 Ato
我需要通過評估總和 =(1 /(+ 1))Σ1 /(1-2)^(1/2)來估計pi的值,其中是均勻分佈的隨機數。 import math
import random
def Pi(N,x):
S = (1/(N+1))*(1/(1-x**2)**(0.5))
return S
def function(N,a,b):
x = random.uniform(a