랜덤 워크 시뮬레이션 반복하기
랜덤 워크를 한 번 실행하는 것만으로는 내기에서 이길 가능성이 얼마나 되는지 알기 어렵습니다.
60번째 계단에 도달할 확률을 파악하려면, 랜덤 워크를 여러 번 반복 시뮬레이션한 결과를 수집해야 합니다. 이번 연습 문제에서 이 작업을 해보겠습니다.
샘플 코드에는 이미 기본 방향이 설정되어 있습니다. 앞서 작성한 코드 바깥에 또 다른 for 반복문이 감싸져 있습니다. 모든 결과가 올바르게 기록되도록 필요한 부분을 채워 보세요.
주의: 이미 주어진 all_walks의 초기화 부분은 변경하지 마세요. 리스트 안에 숫자를 넣으면 오류가 발생합니다!
이 연습은 강의의 일부입니다
중급 Python
연습 안내
- 랜덤 워크가 다섯 번 시뮬레이션되도록
for반복문의 내용을 설정하세요. random_walk배열이 완전히 채워진 후, 해당 배열을all_walks리스트에 추가하세요.- 마지막으로, 가장 바깥쪽의
for반복문이 끝나면all_walks를 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# NumPy is imported; seed is set
# Initialize all_walks (don't change this line)
all_walks = []
# Simulate random walk five times
for i in ___ :
# Code from before
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)
random_walk.append(step)
# Append random_walk to all_walks
___
# Print all_walks
___