НачатьНачать бесплатно

Симуляция игры в кости

Теперь вы знаете, как реализовать первые три шага симуляции. Перейдём к следующему шагу — многократной случайной выборке.

Одиночный запуск симуляции мало что говорит о том, как часто можно ожидать тот или иной результат. В игре в кости из предыдущего упражнения победа один раз — это хорошо. Но если нужно понять, сколько раз можно рассчитывать на выигрыш при многократной игре, необходимо повторять процесс случайной выборки много раз. Такой подход помогает оценить и наглядно представить неопределённость, а также принять взвешенные решения о дальнейших шагах.

После этого упражнения вы научитесь реализовывать четвёртый шаг симуляции — многократную выборку и генерацию результатов.

Это упражнение является частью курса

Статистическое моделирование на Python

Посмотреть курс

Инструкции к упражнению

  • Задайте значение sims равным 100 повторениям и инициализируйте wins нулём.
  • Напишите цикл for для повторного броска кубиков.
  • Присвойте переменной outcomes результат броска двух кубиков.
  • Если оба кубика показывают одинаковое число, увеличьте wins на 1.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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))
Редактировать и запускать код