生成函数曲线下随机点失败问题求助（附Python代码）

核心问题列表 #

• 变量名冲突：你原本定义的积分下限a被后续的a=np.linspace(a,b,N)覆盖，导致所有依赖原a的计算全部出错。
• Y轴随机范围错误：生成y随机数时用了x的积分区间[a,b]，但函数f(x)=x/(x²+1)的值域根本不是这个区间。比如当x∈[-2,2]时，f(x)的范围是[-0.5,0.5]，用x的区间生成y会导致大部分点不在函数的取值范围内。
• 错误排序破坏对应关系：把x和y分别排序后，原本的随机点(x,y)一一对应关系被完全打乱，A[i]是原随机x对应的函数值，排序后的xx[i]和A[i]已无对应关系，导致yy[i]<A[i]的判断完全无效。
• 未处理函数正负情况：当f(x)为负数时，"曲线下方"的点应该满足y > f(x)（负数区域里数值更大的点在曲线下方），直接用yy[i]<A[i]会漏掉这部分区域的点。

修正后的代码 #

import numpy as np
import matplotlib.pyplot as plt

N = int(input("Enter the number of points used for integration:"))
x_low, x_high = eval(input("Enter the range of integration:"))

def f(x):
    return x/(x**2 + 1)

# 生成x方向的随机点
x_rand = np.random.uniform(x_low, x_high, N)
# 计算函数在区间的最值，确定y的随机范围
f_vals = f(x_rand)
y_min = f_vals.min()
y_max = f_vals.max()
# 生成y方向的随机点
y_rand = np.random.uniform(y_min, y_max, N)

# 筛选曲线下方的点（区分正负情况）
below_x = []
below_y = []
for x_val, y_val, f_val in zip(x_rand, y_rand, f_vals):
    if f_val >= 0:
        if y_val <= f_val and y_val >= 0:
            below_x.append(x_val)
            below_y.append(y_val)
    else:
        if y_val >= f_val and y_val <= 0:
            below_x.append(x_val)
            below_y.append(y_val)

# 绘制函数曲线和筛选后的点
x_plot = np.linspace(x_low, x_high, 1000)
plt.plot(x_plot, f(x_plot), color='black', label="given function")
plt.grid()
plt.scatter(below_x, below_y, s=5, alpha=0.6)
plt.legend()
plt.show()

# 计算蒙特卡洛积分值
total_area = (x_high - x_low) * (y_max - y_min)
points_below = len(below_x)
integral = total_area * (points_below / N)
print(f"蒙特卡洛积分结果：{integral}")

修正说明 #

1. 重命名积分区间变量为x_low和x_high，避免和绘图变量冲突。
2. 根据函数在随机点上的最值确定y的随机范围，保证生成的y点都在函数值域附近。
3. 保留原始随机点的(x,y)对应关系，不排序，确保每个点的判断基于自身x对应的函数值。
4. 区分函数正负情况，正确筛选"曲线下方"的点：正数区域取y在0到f(x)之间，负数区域取y在f(x)到0之间。
5. 新增蒙特卡洛积分计算逻辑，让代码完整实现积分功能。

内容的提问来源于stack exchange，提问作者Utkarsh Basu