#consigliamo di omettere le linee 8 e 13 quando il numero di ripetizioni è elevato import random print("Il seguente programma applica il Metodo Montecarlo al gioco dei dadi. In questo caso prendiamo in considerazione 2 dadi e ne simuliamo il lancio ripetuto per un numero di volte stabilito dall'utente (consigliamo un numero elevato, superiore al 50 in modo da avere probabilità piu accurate). Calcoliamo dunque le probabilità dettate dalla simulazione e le confrontiamo con le probabilità teoriche. ") numLanci = int(input("Inserire il numero di lanci desiderato: ")) esitoLancio = [None]*(numLanci) #creiamo un vettore che verrà riempito con i valori dei lanci simulati j=0 i=1 print("La simulazione dei lanci dà come risultato:") while (j<numLanci): #simulazione lancio di due dadi x = random.randint(1,6) #generazione di due dadi che sommati danno il risultato finale y = random.randint(1,6) esitoLancio[j] = x + y #utilizziamo la somma di due dadi anziché un unica generazione random fra 2, 12 per fare in modo che le probabilità del lancio simulato siano coincidenti a quelle reali (ponendo 2,12 come intervallo tutti i numeri uscirebbero con la stessa frequenza, andando a trucccare il dado) print ("lancio n. " + str(i) + ": " + str(esitoLancio[j])) #con il metodo moltecarlo si ricorre spesso a centinaia di ripetizioni, dunque si dovrebbe omettere questo print dato che renderebbe l'output scomodo da leggere i+=1 j+=1 i=0 k=2 probEsiti=[None]*11 #si hanno 11 diversi esiti possibili (2,12) while k<13: #calcolo delle probabilità nella simulazione probEsiti[i]= (esitoLancio.count(k)/numLanci)*100 #la funzione count permette di contare quante volte l'elemento k compare nel vettore analizzato i+=1 k+=1 i=1 while(j<7): esitoTeorico[k] = i + j j += 1 k += 1 i += 1 i=0 k=2 probTeorica=[None]*11 #si hanno 11 diversi esiti possibili (2,12) while k<13: #calcolo delle probabilità teoriche probTeorica[i]= (esitoTeorico.count(k)/36)*100 #la funzione count permette di contare quante volte l'elemento k compare nel vettore analizzato i+=1 k+=1 i=0 differenzaProb = [None]*11 #si hanno 11 diversi esiti possibili (2,12), riempiamo il vettore con la diferenza in percentuale fra probabilità teorica e quella della simulazione while i<11: differenzaProb[i]=probEsiti[i]-probTeorica[i] i+=1 varianza=0 i=0 while i<11: #per calcolare di quanto differisce complessivamente la simulazione dalla teoria sommiamo i valori assoluti delle differenze di probabilità di tutti gli esiti if(probEsiti[i]>=probTeorica[i]): x=probEsiti[i]-probTeorica[i] else: x=probTeorica[i]-probEsiti[i] varianza += x i+=1 i=0 k=2 print("Esito: Probabilità Teorica: Probabilità Simulazione: Differenza:") while i<11: #stampa dei risultati ottenuti arrotondati a 2 cifre decimali con la funzione round(...,2) if(differenzaProb[i]>=0): print(str(k)+" "+str(round(probTeorica[i], 2))+"% "+str(round(probEsiti[i], 2))+"%"+" "+"\033[1;32;40m"+ str(round(differenzaProb[i], 2))+"%"+ "\033[0m") #se la differenza è positiva riportiamo il risultato in verde else: print(str(k)+" "+str(round(probTeorica[i], 2))+"% "+str(round(probEsiti[i], 2))+"%"+" "+"\033[1;31;40m"+ str(round(differenzaProb[i], 2))+"%"+ "\033[0m")#se la differenza è negativa riportiamo il risultato in rosso i+=1 k+=1 print("Varianza complessiva: "+str(round(varianza,2))+"%") esitoFavorevole = probTeorica.index(max(probTeorica)) + 2 #calcoliamo la probabilità massima con la funzione max, ne estrapoliamo la posizione con la funzione index e aggiungiamo 2 per associare a questo elemento il corrispettivo esito (dato che alle probabilità dell'esito 2 corrispondono gli elementi con indice 0 dei vari array) print("L'esito che in linea teorica ha la maggiore probabilità di uscire è: " + str(esitoFavorevole)) esitoFavorevoleSimulazione= probEsiti.index(max(probEsiti)) + 2 print("L'esito che nella simulazione è uscito piu volte è: " + str(esitoFavorevoleSimulazione)) j=1 k=0 esitoTeorico = [None]*36 #vettore che verrà riempito con tutti i valori possibili, in modo da calcolare la probabilità teorica while(i<7):#in questo ciclo while calcoliamo tutte le possibili combinazioni, inserendole nel vettore esitoTeorico j=1
Write, Run & Share Python code online using OneCompiler's Python online compiler for free. It's one of the robust, feature-rich online compilers for python language, supporting both the versions which are Python 3 and Python 2.7. Getting started with the OneCompiler's Python editor is easy and fast. The editor shows sample boilerplate code when you choose language as Python or Python2 and start coding.
OneCompiler's python online editor supports stdin and users can give inputs to programs using the STDIN textbox under the I/O tab. Following is a sample python program which takes name as input and print your name with hello.
import sys
name = sys.stdin.readline()
print("Hello "+ name)
Python is a very popular general-purpose programming language which was created by Guido van Rossum, and released in 1991. It is very popular for web development and you can build almost anything like mobile apps, web apps, tools, data analytics, machine learning etc. It is designed to be simple and easy like english language. It's is highly productive and efficient making it a very popular language.
When ever you want to perform a set of operations based on a condition IF-ELSE is used.
if conditional-expression
#code
elif conditional-expression
#code
else:
#code
Indentation is very important in Python, make sure the indentation is followed correctly
For loop is used to iterate over arrays(list, tuple, set, dictionary) or strings.
mylist=("Iphone","Pixel","Samsung")
for i in mylist:
print(i)
While is also used to iterate a set of statements based on a condition. Usually while is preferred when number of iterations are not known in advance.
while condition
#code
There are four types of collections in Python.
List is a collection which is ordered and can be changed. Lists are specified in square brackets.
mylist=["iPhone","Pixel","Samsung"]
print(mylist)
Tuple is a collection which is ordered and can not be changed. Tuples are specified in round brackets.
myTuple=("iPhone","Pixel","Samsung")
print(myTuple)
Below throws an error if you assign another value to tuple again.
myTuple=("iPhone","Pixel","Samsung")
print(myTuple)
myTuple[1]="onePlus"
print(myTuple)
Set is a collection which is unordered and unindexed. Sets are specified in curly brackets.
myset = {"iPhone","Pixel","Samsung"}
print(myset)
Dictionary is a collection of key value pairs which is unordered, can be changed, and indexed. They are written in curly brackets with key - value pairs.
mydict = {
"brand" :"iPhone",
"model": "iPhone 11"
}
print(mydict)
Following are the libraries supported by OneCompiler's Python compiler
Name | Description |
---|---|
NumPy | NumPy python library helps users to work on arrays with ease |
SciPy | SciPy is a scientific computation library which depends on NumPy for convenient and fast N-dimensional array manipulation |
SKLearn/Scikit-learn | Scikit-learn or Scikit-learn is the most useful library for machine learning in Python |
Pandas | Pandas is the most efficient Python library for data manipulation and analysis |
DOcplex | DOcplex is IBM Decision Optimization CPLEX Modeling for Python, is a library composed of Mathematical Programming Modeling and Constraint Programming Modeling |