【Python的可视化分析】蒙特卡洛模拟（中）

数据信息化 2019-11-21

960

上一期我们介绍了随机游走实验，这期我们将进行模拟赌徒掷骰子实验，当然离不开万能的Python啦~

首先我们制定一个游戏规则，掷骰子🎲。

骰子共有6个面，我们模拟有50名赌徒，假设每个赌徒都很执着，一直买小（也就是掷出1、2、3为获胜）。同时设定每个赌徒的本金都有10000元，每轮的赌注为1000元，共进行100次、1000次、10000次的模拟。让我们看看究竟有多少幸运儿走上人生巅峰吧？

首先定义骰子的游戏规则：

def give_the_number():
    number=random.randint(1,6)
    
    if number <=3:
         print("骰子的大小为:",number," 你赢了！")
        return True
    else:
         print("骰子的大小为:",number," 你输了！")
        return False

接下来定义赌徒的信息以及财务状况：

import random
import matplotlib.pyplot as plt


def gambler(funds,wager,game_count):   #赌徒的本金，赌注，游戏次数
    current_game_count=0
    x=[]
    y=[]
    
    while current_game_count<game_count:
        if give_the_number():
            funds+=wager
            x.append(current_game_count)
            y.append(funds)
        else:
            funds-=wager
            x.append(current_game_count)
            y.append(funds)
        current_game_count+=1
    if funds<0:
        funds="Pennyless"
    plt.plot(x,y)
     print("本金已经累积到：",funds)

我们套上蒙特卡洛物理模型，进行循环100次掷骰子模拟，并通过matplotlib进行可视化展示：

n=0  
while n<50:  #赌徒个数
    gambler(10000,1000,100)
    n+=1
plt.xlabel('How many games does the gambler played')
plt.ylabel('Funds')
plt.show()

赌博100次测试结果：

可以看到有一半左右的人输掉了游戏负债累累，也有一半左右的人赢得盆丰钵满。

我们继续模拟

赌博1000次测试结果：

我们继续模拟

赌博10000次测试结果：

综上看掷骰子输和赢的概率都是五五开，貌似和掷多少次无太大关系。

通过不同次数的模拟我们都能看到有几个倒霉蛋负债累累，游戏结束后他们聚在一起商讨了一下如何能逆袭，最后他们研究出一种理论上稳赚不赔的方法，就是输掉游戏回合的下一轮赌注加倍，这样如果赢了不光能赚回上一轮输掉的钱还能赚到这一轮的赌注。于是他们找到了我要求修改游戏规则，但事实真的和他们想的一样吗？

下一期让我们来看看这几个倒霉蛋究竟能否成功逆袭？！

下期：【Python的可视化分析】蒙特卡洛模拟（下）

python

文章转载自数据信息化，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

【Python的可视化分析】蒙特卡洛模拟（中）

评论