成对骰子模拟

与课中示例类似，您将从两个袋子中各取一个骰子来掷，每个袋子里都有 3 个有偏骰子。

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]]

不同之处在于两个袋子中的骰子是成对的：如果您在 bag1 中选中了第二个骰子，那么在 bag2 中也会选中第二个。在每次试验中：

随机从两个袋子中选取一对骰子并掷出点数；
如果 dice1 和 dice2 的点数之和等于 8，则记为成功，否则为失败。

您的任务是完成 roll_paired_biased_dice() 函数中的 for 循环，并使用该函数计算 dice1 和 dice2 各种唯一点数组合对应的成功概率。

以下库已为您导入：random、将 numpy 导入为 np、将 pandas 导入为 pd、seaborn 导入为 sns，以及 matplotlib.pyplot 导入为 plt。

本练习是课程的一部分

Python 中的蒙特卡洛模拟

查看课程

交互式实操练习

通过完成这段示例代码来试试这个练习。

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}))

编辑并运行代码