用Python实现蒙特卡罗模拟的详细教程( 四 ) _Python

总之，每1美元的赌注，0.02美元去的会被庄家赢走。相比之下，轮盘赌的最低庄家边缘为2.5% 。因此，我们确信，你将有更好的机会赢得我们想象中的游戏轮盘赌。
Python 实现：1.导入所需的库：

文章插图
> Figure 38: Importing the required libraries for our casino problem.

2.初始化

文章插图
> Figure 39: Placing bets for odds and even numbers.

3. 主函数：

文章插图
> Figure 40: Applying the Monte Carlo Methodology to our casino problem.

4. 最终输出：

文章插图
> Figure 41: Calculating and displaying the final values.

5. 运行 1000 次迭代：

文章插图
> Figure 42: Running our function 1000 times.

6. 投注数量 = 5：

文章插图
> Figure 43: Data visualization of results when the number of bets equals five.

7. 投注数量 = 10：

文章插图
> Figure 44: Data visualization of results when the number of bets equals ten.

8. 投注数量 = 1000：

文章插图
> Figure 45: Data visualization of results when the number of bets equals 1000.

9. 投注数量 = 5000：

文章插图
【用Python实现蒙特卡罗模拟的详细教程】> Figure 46: Data visualization of results when the number of bets equals 5000.

10. 投注数量 = 10000：

文章插图
> Figure 47: Data visualization of results when the number of bets equals 10000.
从上面的实验中，我们可以看到，如果玩家在这些游戏上下注较少，他们有更好的盈利机会。在某些情况下，我们得到负数，这意味着玩家失去了所有的钱和累积的债务，而不是盈利。
请记住，这些百分比是我们的模拟游戏，他们可以修改。
结论：与任何预测模型一样，仿真将只像我们估计得一样好。重要的是要记住，蒙特卡罗模拟只代表概率，而不是确定性。然而，蒙特卡罗模拟可以是一个有价值的工具，当预测一个未知的未来。
详细介绍我们的神经网络教程，详细介绍 Python 代码和数学
免责声明：本文所表达的观点是作者的观点，并不代表卡内基梅隆大学的观点。这些著作并不打算成为最终产品，而是反映当前思维，同时成为讨论和改进的催化剂。
引用：[1] 概率问题报价，21 电影，https://www.imdb.com/title/tt0478087/characters/nm0000228#quotes
[2] 乔治-路易斯·勒克莱克，布冯伯爵，维基百科，https://en.wikipedia.org/wiki/Georges-Louis_Leclerc,_Comte_de_Buffon
[3] 布冯投针问题，维基百科，https://en.wikipedia.org/wiki/Buffon%27s_needle_problem

(本文翻译自Towards AI Team的文章《Monte Carlo Simulation An In-depth Tutorial with Python》，参考：https://medium.com/towards-artificial-intelligence/monte-carlo-simulation-an-in-depth-tutorial-with-python-bcf6eb7856c8)