C· ByggareLaboration· ca 40 min· wasm

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.

Lär ut: sannolikhet-grunder · Kräver: python-listor-och-looparstatistik-medelvarde-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.

Logga in för att köra laborationen.

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.