// ch10b_montecarlo.cpp —— 实验 10.2：蒙特卡洛法算圆周率（含 SVG 散点）
// 数学：∬_{单位圆} 1 dσ = π；随机撒点，落入圆内的比例 × 正方形面积 → π
// 精度提升 O(1/√N)（概率版的“二重积分”）
#include "svgplot.hpp"
#include <cstdio>
#include <cstdlib>
#include <cmath>
#include <vector>

int main() {
    printf("== 实验 10.2 蒙特卡洛法估算 π ==\n\n");
    std::srand(42);                       // 固定种子，结果可复现

    long long ns[] = {1000, 10000, 100000, 1000000};
    for (long long N : ns) {
        long long hit = 0;
        for (long long i = 0; i < N; ++i) {
            double x = 2.0 * std::rand() / RAND_MAX - 1.0;   // U(-1,1)
            double y = 2.0 * std::rand() / RAND_MAX - 1.0;
            if (x * x + y * y <= 1.0) ++hit;
        }
        double pi = 4.0 * hit / N;
        printf("N = %8lld ：命中 %8lld，π ≈ %.6f，误差 %.3e（理论 ~1/√N = %.3e）\n",
               N, hit, pi, std::fabs(pi - 3.14159265), 4.0 / std::sqrt((double)N));
    }

    // ---- SVG：N=2000 的散点可视化 ----
    std::vector<std::pair<double, double>> in, out;
    for (int i = 0; i < 2000; ++i) {
        double x = 2.0 * std::rand() / RAND_MAX - 1.0;
        double y = 2.0 * std::rand() / RAND_MAX - 1.0;
        (x * x + y * y <= 1.0 ? in : out).push_back({x, y});
    }
    SvgPlot pl(-1.15, 1.15, -1.15, 1.15, 480, 480);
    pl.open("ch10b_montecarlo.svg");
    pl.axes("x", "y");
    pl.circle(0, 0, 1.0, "#003b5c", 1.6);
    pl.dots(out, "#b23a2e", 1.5);
    pl.dots(in,  "#003b5c", 1.5);
    pl.close();

    printf("\n已生成 ch10b_montecarlo.svg（红点在圆外、蓝点在圆内，N=2000）\n");
    printf("结论：蒙特卡洛精度 O(1/√N) —— 慢，但对高维积分几乎“免费”，\n");
    printf("      这是它与辛普森法（O(h⁴) 但维数灾难）互补的地方。\n");
    return 0;
}
