Symulacja ruchów Browna metodą Monte Carlo w języku Python
Znasz już teorię ruchów Browna, nadszedł więc moment, aby prześledzić poruszanie się cząstki na ekranie. W tym e‑materiale zajmiemy się realizacją symulacji ruchów cząsteczki w języku Python. Aby to osiągnąć, wykorzystamy połączenie teorii dotyczącej procesu Wienera oraz praktycznej metody Monte Carlo.
Z informacjami na temat wyznaczania liczby pi metodą Monte Carlo można się zapoznać w e‑materiale Wyznaczanie liczby pi metodą Monte Carlo w języku PythonWyznaczanie liczby pi metodą Monte Carlo w języku Python.
Więcej teorii oraz ćwiczeń znajdziesz w:
Symulacja ruchów Browna metodą Monte CarloSymulacja ruchów Browna metodą Monte Carlo,
Symulacja ruchów Browna metodą Monte Carlo – zadania maturalneSymulacja ruchów Browna metodą Monte Carlo – zadania maturalne.
Ciekawi cię, jak wyglądają implementacje w innych językach programowania? Omówiono je w dwóch pozostałych materiałach z tej serii:
Symulacja ruchów Browna metodą Monte Carlo w języku JavaSymulacja ruchów Browna metodą Monte Carlo w języku Java,
Symulacja ruchów Browna metodą Monte Carlo w języku C++Symulacja ruchów Browna metodą Monte Carlo w języku C++.
Utworzysz szkic przykładowej trasy cząsteczki, która porusza się zgodnie z ruchami Browna symulowanymi metodą Monte Carlo, wykorzystując możliwości graficzne języka Python.
Prześledzisz, jak można przeprowadzić prezentację wyników symulacji w programie.
Przeanalizujesz sposób wykorzystania rozkładu normalnego Gaussa w języku Python.