با استفاده از C++ و تابع std::srand از برنامه‌ای بنویسید که با روش مونت‌کارلو مقدار π را با N نمونه تصادفی تقریب بزند و مقدار تقریبی و خطای تقریبی نسبت به acos(-1) را چاپ کند.

راه‌حل: از std::srand (از هدر ) برای مقداردهی اولیه تولید اعداد تصادفی استفاده کنید (مثلاً std::srand(time(0)) یا مقدار ثابت برای بازتولیدپذیری)، سپس با std::rand() و تقسیم بر RAND_MAX عددی در بازه [0,1) بسازید و آن را به بازه [-1,1] نگاشت کنید؛ برای هر نمونه بررسی کنید آیا درون دایرهٔ واحد قرار دارد و نسبت نقاط داخل به کل را محاسبه کنید که π ≈ 4 * (hits / N). نکات: برای دقت بیشتر از نوع double و از شمارندهٔ بزرگ (مثلاً long long) استفاده کنید، برای مقایسه مقدار واقعی از acos(-1) بهره ببرید، و اگر به عملکرد نیاز دارید می‌توانید فکر موازی‌سازی (مثل OpenMP) را بکنید ولی مراقب مدیریت بذر تصادفی در هر ترد باشید.