简单地画一个流程图,希望有助于大家理解。
*流程图是网上使用ProcessOn画的,一个免费的在线流程图绘制平台,简单容易上手,强烈安利给大家~
废话不多说,上图:
可以看见,随着硬币投掷次数的增加,正面朝上的几率逐渐稳定在0.5,这就是我们在课堂上讲过的内容:在重复试验中,我们可以使用频率的稳定值作为事件发生的概率。
怎么样,是不是学到了一招?
在这个程序的基础上,我相信大家有能力进行进一步地延伸与发散。
大家可以尝试着去完成这样三个问题:
1,比较一下当投掷次数为100次,1000次与10000次的图像差别(提示:为了使区别更加显著,大家可以尝试将X轴使用对数坐标表示)
好的,就先写到这里,感觉有意思的话点个赞再走呗~
#coding:utf-8
import random
def mntb(T):
a = 0
b = 0
while a <T and b <T:
num = random.randint(0,1)
#print num 这里你可以看到每次抛的硬币的正反面情况
if num == 0:
a += 1
else:
b += 1
if a == T:
print u'b的得分是:%d '%b
return 'a won'
if b == T:
print u'a的得分是:%d '%a
return 'b won'
#你执行这个函数就可以了,T代表你设置的分数 mntb(T),代码写的比较啰嗦 嘿嘿
按照你题目的意思要这样修改一下:(看题大意了,并不是从0开始统计。。。)
#coding:utf-8
import random
def mntb(T,a,b):#a代表p1目前的分数 b代表p2目前的分数
while a <T and b <T:
num = random.randint(0,1)
#print num 这里你可以看到每次抛的硬币的正反面情况
if num == 0:
a += 1
else:
b += 1
if a == T:
print u'p2的得分是:%d '%b
return 'p1 won'
if b == T:
print u'p1的得分是:%d '%a
return 'p2 won'
#你执行这个函数就可以了,T代表你设置的分数 mntb(T,a,b)