始める無料で始める

ペアのサイコロシミュレーション

レッスンの例と同様に、2つの袋からそれぞれサイコロを1つずつ取り出して振ります。各袋には偏ったサイコロが3個ずつ入っています。

bag1 = [[1, 2, 3, 6, 6, 6], [1, 2, 3, 4, 4, 6], [1, 2, 3, 3, 3, 5]]
bag2 = [[2, 2, 3, 4, 5, 6], [3, 3, 3, 4, 4, 5], [1, 1, 2, 4, 5, 5]]

違いは、2つの袋のサイコロがペアになっていることです。bag1の2番目のサイコロを選んだら、bag2の2番目のサイコロも同時に選びます。各試行で行うことは次のとおりです。

  • 2つの袋からサイコロのペアをランダムに1組選び、振る
  • dice1 と dice2 の出目の合計が8なら成功、そうでなければ失敗

あなたのタスクは、roll_paired_biased_dice() 関数内の for ループを完成させ、この関数を使って dice1 と dice2 の各ユニークな組み合わせごとの成功確率を計算することです。

次のライブラリはすでにインポート済みです：random、numpy は np、pandas は pd、seaborn は sns、matplotlib.pyplot は plt。

この演習はコースの一部です

Pythonで学ぶモンテカルロ・シミュレーション

コースを見る

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

def roll_paired_biased_dice(n, seed=1231):
    random.seed(seed)
    results={}
    for i in range(n):
        bag_index = random.randint(0, 1)
        # Obtain the dice indices
        dice_index1 = ____
        dice_index2 = ____
        # Sample a pair of dice from bag1 and bag2
        point1 = ____
        point2 = ____
        key = "%s_%s" % (point1,point2)
        if point1 + point2 == 8: 
            if key not in results:
                results[key] = 1
            else:
                results[key] += 1
    return(pd.DataFrame.from_dict({'dice1_dice2':results.keys(),
		'probability_of_success':np.array(list(results.values()))*100.0/n}))
コードを編集して実行