ComeçarComece de graça

Simulando o jogo de dados

Agora você já sabe implementar as três primeiras etapas de uma simulação. Vamos passar para a próxima etapa: a amostragem aleatória repetida.

Simular um resultado uma única vez não diz muito sobre com que frequência podemos esperar ver esse resultado. No caso do jogo de dados do exercício anterior, é ótimo termos vencido uma vez. Mas, se quisermos saber quantas vezes podemos esperar vencer jogando várias partidas, precisamos repetir o processo de amostragem aleatória muitas vezes. Repetir o processo de amostragem ajuda a entender e visualizar a incerteza inerente e a decidir os próximos passos.

Depois deste exercício, você estará familiarizado com a implementação da quarta etapa de uma simulação: amostrar repetidamente e gerar resultados.

Este exercício faz parte do curso

Simulação Estatística em Python

Ver curso

Instruções do exercício

  • Defina sims como 100 repetições e inicialize wins como 0.
  • Escreva um loop for para repetir o lançamento dos dados.
  • Defina outcomes como o resultado de lançar dois dados.
  • Se os dois dados mostrarem o mesmo número, incremente wins em 1.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Initialize model parameters & simulate dice throw
die, probabilities, num_dice = [1,2,3,4,5,6], [1/6, 1/6, 1/6, 1/6, 1/6, 1/6], 2
sims, wins = ____, ____

for i in range(sims):
    outcomes = ____ 
    # Increment `wins` by 1 if the dice show same number
    if ____: 
        wins = wins + 1 

print("In {} games, you win {} times".format(sims, wins))
Editar e executar o código