Tracez la distribution

Toutes ces visualisations fantaisistes nous ont fait prendre un chemin détourné. Nous devons encore résoudre le problème du million de dollars : Quelles sont les chances que vous atteigniez 60 marches dans l'Empire State Building ?

En fait, vous voulez connaître les points d'arrivée de toutes les marches aléatoires que vous avez simulées. Ces points d'arrivée ont une certaine répartition que vous pouvez visualiser à l'aide d'un histogramme.

Notez que si votre code prend trop de temps à s'exécuter, il se peut que vous traciez un histogramme de données erronées.

Cet exercice fait partie du cours

Python intermédiaire

Afficher le cours

Instructions

Pour s'assurer que nous avons suffisamment de simulations, faites des folies. Simulez la marche aléatoire 500 fois.
Sélectionnez la dernière ligne de np_aw_t. Il contient le point final des 500 marches aléatoires que vous avez simulées. Stockez ce tableau NumPy en tant que ends.
Utilisez plt.hist() pour construire un histogramme de ends. N'oubliez pas plt.show() pour afficher le tracé.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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
____
____

Modifier et exécuter le code