成對骰子模擬

和課程中的範例類似，你將從兩個袋子各取一顆骰子，且每個袋子裡都有三顆有偏骰。

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]]

不同之處在於兩個袋子裡的骰子是成對的：如果你在 bag1 選了第二顆骰子，你也會在 bag2 選第二顆。在每次試驗中：

你會隨機從兩個袋子中選出一對骰子並擲出點數。
若 dice1 和 dice2 的點數相加為 8，則為成功；否則為失敗。

你的任務是完成 roll_paired_biased_dice() 函式中的 for 迴圈，並使用此函式計算 dice1 與 dice2 各種點數組合的成功機率。

以下模組已為你匯入：random、將 numpy 匯入為 np、將 pandas 匯入為 pd、seaborn 匯入為 sns，以及 matplotlib.pyplot 匯入為 plt。

本練習屬於課程

Python 的 Monte Carlo 模擬

檢視課程

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

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}))

編輯並執行程式碼