مجاميع رميات النرد

جزء من قسم الإحصاء لتعلّم الآلة في رحلة Machine Learning على Coddy. الدرس 15 من 64.

ارمِ نردين واجمع العددين: يظهر العدد 7 بمعدل ستة أضعاف ظهور العدد 2. عُدَّ أزواج الأوجه:

شبكة 6 × 6 لمجاميع نردين، النرد الأول على الجانب والنرد الثاني في الأعلى. الخلايا الست التي مجموعها 7 تمتد قطريًا من زاوية إلى أخرى ومظللة؛ خلية واحدة فقط مجموعها 2

تتفق المحاكاة. أضف رمية النرد إلى الأخرى، ثم احسب كل مجموع؛ تسرد value_counts الأكثر شيوعًا أولًا:

rng = np.random.default_rng(2)
first = rng.integers(1, 7, size=3600)
second = rng.integers(1, 7, size=3600)
counts = pd.Series(first + second).value_counts()
print(counts.head(3))

يطبع هذا:

7    605
6    522
8    443
Name: count, dtype: int64

ax.bar(counts.index, counts) يرسم الخيمة كاملة:

مخطط أعمدة لـ 3600 رمية لنردين: ترتفع الأعمدة من نحو 100 عند المجموع 2 إلى ذروة تبلغ نحو 600 عند 7، ثم تنخفض مجددًا إلى نحو 100 عند 12

المخطط الشريطي كهذا هو أول ما تراه عند فحص أي تسمية: فقيمه النادرة هي التي لن يتعلمها النموذج إلا بالكاد.

التحدي

متوسط

في لعبة تقمّص أدوار، يكون الضرر هو مجموع نردين رباعيي الأوجه، يتراوح كل منهما من 1 إلى 4. يقرأ البرنامج عدد الهجمات؛ وتُخزّن الرميات الأولية في first وsecond وتُعنون المخطط.

احسب عدد مرات ظهور كل مجموع للضرر.
اطبع الضرر الأكثر احتمالًا ونسبته من الهجمات، إلى 3 منازل عشرية.
اعرض الأعداد على شكل أعمدة، عمودًا لكل مجموع، ثم أظهر المخطط.

لـ 16 هجمة، وهو عدد قليل جدًا للاعتماد عليه:

Most likely damage: 6, share 0.312

مخطط أعمدة بعنوان Damage Rolls لـ 16 هجمة: أعمدة عند 3 و5 و6 و7 و8، أعلاها عند 6 مع 5 رميات

بعدها يصف Coddy مخططك. ومع زيادة عدد الهجمات، تستقر القمة.

جرّب بنفسك

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

rolls = int(input())

# لا تغيّر الأسطر أدناه
rng = np.random.default_rng(4)
first = rng.integers(1, 5, size=rolls)
second = rng.integers(1, 5, size=rolls)

fig, ax = plt.subplots()
ax.set_title("Damage Rolls")
ax.set_xlabel("Damage")
ax.set_ylabel("Rolls")

# اكتب الكود الخاص بك أدناه