Total fremgang
0%7.3: Øvelser bestått0 av 0
0% fullført
Kapittel 7.3
2PSimulering
Lær å simulere tilfeldige hendelser med random-biblioteket.
random-biblioteket
For å simulere tilfeldige hendelser bruker vi random-biblioteket. Den viktigste funksjonen er random.randint(a, b) som gir et tilfeldig heltall mellom a og b (inklusiv).
random.randint()
PythonAuto-lagret
Loading...
random.randint(a, b)
random.randint(1, 6) gir et tilfeldig tall fra 1 til 6 (begge inkludert). Perfekt for å simulere terningkast!Telle utfall med løkke
Vi kan bruke en løkke til å simulere mange forsøk og telle hvor ofte hvert utfall forekommer.
Simuler 1000 terningkast
PythonAuto-lagret
Loading...
Store talls lov
Når vi øker antall simuleringer, vil den observerte frekvensen nærme seg den teoretiske sannsynligheten. Dette kalles store talls lov.
Konvergens mot teoretisk sannsynlighet
PythonAuto-lagret
Loading...
Tips
Jo flere simuleringer vi kjører, desto nærmere kommer vi den teoretiske sannsynligheten. Med 100 000 kast får vi vanligvis veldig nær 1/6 ≈ 0.1667.
Oppgaver
Oppgave 7.3.1: Simuler myntkast
Simuler 1000 myntkast. Tell hvor mange mynt (heads) og kron (tails) du får.
Bruk 0 for mynt og 1 for kron.
PythonAuto-lagret
Loading...
Oppgave 7.3.2: To terninger
Simuler 10 000 kast med to terninger. Tell hvor mange ganger summen blir 7.
Teoretisk sannsynlighet: P(sum=7) = 6/36 ≈ 16.67%
PythonAuto-lagret
Loading...
Oppgave 7.3.3: Trekke kort
Simuler trekking av 5000 kort fra en kortstokk (1-13).
Tell hvor mange ess (1) og konger (13) du får.
PythonAuto-lagret
Loading...
Oppsummering
✓ random.randint(a, b): tilfeldig heltall fra a til b
✓ Simulering: bruk løkker til å gjenta forsøk
✓ Telle utfall: bruk dictionary eller tellere
✓ Store talls lov: flere simuleringer → mer nøyaktig
✓ Sammenlign simulert med teoretisk sannsynlighet