Meerdere walks simuleren
Een enkele random walk is één ding, maar daarmee weet je nog niet of je een goede kans hebt om de weddenschap te winnen.
Om een idee te krijgen hoe groot je kansen zijn om 60 stappen te halen, kun je de random walk herhaaldelijk simuleren en de resultaten verzamelen. Dat is precies wat je in deze oefening gaat doen.
De voorbeeldcode duwt je al in de goede richting. Er staat een extra for-lus om de code die je al schreef. Het is aan jou om wat onderdelen toe te voegen zodat alle resultaten correct worden opgeslagen.
Let op: verander niets aan de initialisatie van all_walks die is gegeven. Een getal in de lijst zetten laat de oefening crashen!
Deze oefening maakt deel uit van de cursus
Python voor gemiddeld niveau
Oefeninstructies
- Vul de specificatie van de
for-lus in zodat de random walk vijf keer wordt gesimuleerd. - Voeg, nadat de
random_walk-array volledig is gevuld, de array toe aan de lijstall_walks. - Print tot slot, na de bovenste
for-lus,all_walks.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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
___