CByggareLaboration· ca 40 min· i webbläsaren

Labb: simulera tärningar och jämför med teorin

Skatta en sannolikhet med simulering (Monte Carlo) och se att frekvensen närmar sig teorin när antalet försök växer.

Kräver: Python — listor, loopar och dictionariesStatistik — medelvärde, median och spridning

Teori

P(summan av två tärningar = 7) = 6/36 ≈ 0,167. Simulera 20 000 kast med ett fast slumpfrö och räkna andelen sjuor. Relativ frekvens → sannolikhet (stora talens lag).

Deluppgifter

kasta_tva(rng) — Returnera summan av två tärningskast med rng.randint(1, 6).
andel_sjuor(n, seed) — Simulera n kast med random.Random(seed) och returnera andelen som blev 7.
teoretisk_sannolikhet(summa) — Returnera den exakta sannolikheten för en given summa 2–12.

Startkoden

körs i din webbläsare

import random


def kasta_tva(rng):
    # TODO: summan av två kast med rng.randint(1, 6)
    ...


def andel_sjuor(n, seed=0):
    # TODO: rng = random.Random(seed); räkna hur många av n kast som blir 7
    ...


def teoretisk_sannolikhet(summa):
    # TODO: antal gynnsamma par (a, b) med a + b == summa, delat med 36
    ...

Du skriver koden, tester du inte ser avgör om den håller. Skapa ett gratis konto för att köra labben.

Prova diagnosen Skapa konto gratis

Förväntade resultat

andel_sjuor(20000, 1) inom ±0,01 från 0,1667; teoretisk_sannolikhet(7) = 6/36; teoretisk_sannolikhet(2) = 1/36.

Vanliga fel

randint(1, 6) inkluderar 6 (till skillnad från range).
Nytt slumpfrö i varje anrop gör resultatet oreproducerbart — skapa Random(seed) en gång.
Räknar summor 1–12 i stället för 2–12.