mc_sequential_mean — CONVERGE `montecarlo` op

• Datenarten: keine → table (ein Operator, der allein durch seine Argumente bestimmt ist — er nimmt kein Bild und keine Daten entgegen)

• Aufruf: import fullseye as fs; fs.ledger.mc_sequential_mean(sampler='pi', tol=0.01, rel_tol=0.0, confidence=0.95, batch=4096, max_samples=4000000, seed=0, on_fail='raise') -> 'dict' (die Implementierung direkt: import converge; converge.mc_sequential_mean(sampler='pi', tol=0.01, rel_tol=0.0, confidence=0.95, batch=4096, max_samples=4000000, seed=0, on_fail='raise') -> 'dict'; aus dem Register: opsconverge.get("mc_sequential_mean"))

Verwendung

Sequentieller Monte-Carlo-Mittelwert: Stichproben hinzufügen, bis das Konfidenzintervall schmaler als die Toleranz ist.

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

sampler(rng, n) returns n i.i.d. samples (a 1-D array) — or the built-in "pi" (4 * [u^2 + v^2 <= 1], mean pi). Batch b is drawn from default_rng((seed, b)), so the result is reproducible and does not depend on how many batches came before.

Stops at the first batch boundary, from the second batch on, where the half-width z * s / sqrt(n) <= tol + rel_tol * |mean| (z from confidence; s the running sample standard deviation). This is the fixed-width sequential interval of Chow & Robbins 1965; never stopping inside the first two batches guards against an early, accidentally small variance (raise batch to guard more) — the actual coverage is checked by the gates, not assumed.

Returns mean, se, ci (lower, upper), half_width, n_samples (used), converged and history (n, mean, se per batch). Refusal: max_samples reached first raises NotConvergedError (on_fail="record" returns the record with mean = None and the running values under last_mean / last_se).

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie convergent_computation

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• (noch keine)

Typkompatible Folge-Operatoren (nehmen `table` als Eingabe)

—

Gleiche Kategorie (`montecarlo`)

mc_photon_slab

*Provenance: converge.py — CONVERGE Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

mc_sequential_mean — CONVERGE montecarlo op