Python 蒙特卡罗模拟

我用蒙特卡罗模拟来模拟保存系统。 我的模拟中有一些设备具有一定的失败率。假设失败率为1/100000，意味着每年100000台设备中有1台出现故障。如果设备出现故障，我将支付更换费用。但我不知道如何在模拟中随机捕捉设备故障。据我所知，我需要使用概率分布来模拟这种行为。但我不知道怎么做

随机包中的函数似乎提供了我没有的特定范围内的随机数。我也不知道这是什么样的分布

我希望这个问题对人们有意义。任何帮助都将不胜感激

最新情况：

是我干的

    #/usr/bin/python
    import random 

    def main():
        count =0
        #fail rate is 1% of 100000, I need to do this probabilistically
        for _ in range(1,100000):
            x=random.random()
            if x <= 1.0/100000:
                count += 1

                print "x = "+str(x)+" fail device"
        print "device failed "+str(count)+"  times"

    if __name__ == '__main__':
        main()

---

谢谢timgeb的帮助！但是，我想知道这种行为是否与考虑1/100000的故障率相同？

每层（或任何时间单位）的故障设备数量遵循泊松分布。如果您在

m

年内拥有

n

个机组，且每年的故障率为

p

，则您可以使用

numpy.random.poisson

获得故障机组数量的随机数：

import numpy as np

n = 100000
m = 5
p = 1.0 / 100000

failed = np.random.poisson(n * m * p)

函数

np.random.poisson

将随机确定故障单元的数量。将最后一行运行几次，看看会发生什么

---

顺便说一句，纯python没有泊松分布，即使它可以用一些数学计算出来，比如说，高斯随机数。

不，它真的没有意义。发布一些代码，试着更具体地说明你在寻找什么。我希望这个问题是有意义的，真正的问题似乎被遗漏了！如果random.random（）<1.0/100000:device.fail（），则没有问号

？我无法进一步提问。是因为这个问题吗？
import numpy as np

n = 100000
m = 5
p = 1.0 / 100000

failed = np.random.poisson(n * m * p)