Pari entre Tom et Eva
C’est l’heure de jouer à un jeu entre Tom et Eva !
Rappelez-vous : Tom a un dé classique à six faces, et les résultats de ses lancers suivent une loi uniforme discrète entre un et six. Eva a une pièce biaisée qui a une probabilité p de tomber sur pile. La loi du nombre de lancers qu’Eva doit effectuer pour obtenir pile est géométrique.
Voici les règles du jeu :
- Score de Tom : le nombre indiqué par le dé
- Score d’Eva : le nombre de lancers nécessaires pour obtenir pile
- La personne ayant le score le plus élevé gagne
Votre tâche est de simuler ce jeu ! Pour la liste de valeurs possibles de p [0.1, 0.2, 0.3, 0.5, 0.7, 0.8, 0.9] représentant la probabilité que la pièce d’Eva tombe sur pile, qui attendez-vous de voir gagner ?
NumPy a été importé sous le nom np et le module stats de SciPy sous le nom st.
Cet exercice fait partie du cours
Simulations de Monte Carlo en Python
Instructions
- Simulez 10 000 lancers du dé de Tom et affectez les résultats à
die_samples. - Simulez 10 000 essais de la pièce d’Eva jusqu’à obtenir pile et affectez les résultats à
coin_samples.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
for p in [0.1, 0.2, 0.3, 0.5, 0.7, 0.8, 0.9]:
low = 1
high = 7
# Simulate rolling Tom's die 10,000 times
die_samples = ____
# Simulate Eva's coin flips to land heads 10,000 times
coin_samples = ____
diff = np.mean(die_samples - coin_samples)
print(diff)