Tracer la distribution
Toutes ces belles visualisations nous ont fait dévier un peu. Il nous reste à résoudre la question à un million de dollars : Quelles sont les chances d'atteindre 60 marches de hauteur sur l'Empire State Building?
En gros, vous voulez connaître les points d'arrivée de toutes les marches aléatoires que vous avez simulées. Ces points d'arrivée suivent une certaine distribution que vous pouvez visualiser avec un histogramme.
Notez que si votre code prend trop de temps à s'exécuter, vous tracez peut-être l'histogramme des mauvaises données!
Cette activité fait partie du cours
Python intermédiaire
Instructions de l’exercice
- Pour vous assurer d'avoir suffisamment de simulations, allons-y à fond. Simulez la marche aléatoire 500 fois.
- À partir de
np_aw_t, sélectionnez la dernière ligne. Elle contient le point d'arrivée des 500 marches aléatoires que vous avez simulées. Enregistrez ce tableau NumPy sous le nomends. - Utilisez
plt.hist()pour construire un histogramme deends. N'oubliez pasplt.show()pour afficher le graphique.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# numpy and matplotlib imported, seed set
# Simulate random walk 500 times
all_walks = []
for i in range(500) :
random_walk = [0]
for x in range(100) :
step = random_walk[-1]
dice = np.random.randint(1,7)
if dice <= 2:
step = max(0, step - 1)
elif dice <= 5:
step = step + 1
else:
step = step + np.random.randint(1,7)
if np.random.rand() <= 0.001 :
step = 0
random_walk.append(step)
all_walks.append(random_walk)
# Create and plot np_aw_t
np_aw_t = np.transpose(np.array(all_walks))
# Select last row from np_aw_t: ends
____ = ____[____,____]
# Plot histogram of ends, display plot
____
____