论文研究手记（362）：Monte Carlo采样的python实现方法

def monte_carlo_sampling(样本数量, 应用参数1, 应用参数2, 应用参数3):
    样本数据集 = []
    for _ in range(样本总数): # 遍历样本数量
        # 随机触发故障： 部分失效/完全失效
        r = np.random.rand()
        if r > 0.3:
            代码公式 = 应用参数1 * (应用参数2 + np.random.uniform(-应用参数3, 应用参数3))
        else:
            代码公式 = 0.0 + np.random.uniform(0, 0.02)
        样本参数集.append(s_post)
    return np.array(样本数据集)

def monte_carlo_sampling(样本数量, 应用参数1, 应用参数2, 应用参数3):
    样本数据集 = []
    for _ in range(样本总数): # 遍历样本数量
        # 随机触发故障： 部分失效/完全失效
        r = np.random.rand()
        if r > 0.3:
            代码公式 = 应用参数1 * (应用参数2 + np.random.uniform(-应用参数3, 应用参数3))
        else:
            代码公式 = 0.0 + np.random.uniform(0, 0.02)
        样本参数集.append(s_post)
    return np.array(样本数据集)