def estimacion(numero_de_agujas, numero_de_intentos):
estimados = []
for _ in range(numero_de_intentos):
estimacion_pi = aventar_agujas(numero_de_agujas)
estimados.append(estimacion_pi)
media_estimados = media(estimados)
sigma = desviacion_estandar(estimados)
print(f"Est={round(media_estimados,5)}, sigma={round(sigma,5)}, agujas={numero_de_agujas}")
return (media_estimados,sigma)
def estimacion(numero_agujas, numero_de_intentos):
estimados = []
for _ in range(numero_de_intentos):
estimacion_pi = aventar_agujas(numero_agujas)
estimados.append(estimacion_pi)
media_estimados = media(estimados)
sigma = desviacion_estandar(estimados)
print(media_estimados, sigma)
return (media_estimados, sigma)
def estimacion(numero_de_agujas,numero_intentos):
estimados = []
for _ in range(numero_intentos):
estimacion_pi = lanzar_agujas(numero_de_agujas)
estimados.append(estimacion_pi)
media_estimados = media(estimados)
sigma = desviacion_estandar(estimados)
print(f'Est={round(media_estimados,5)} sigma={round(sigma,5)} Agujas lanzadas = {numero_de_agujas}')
return (media,sigma)
def estimacion(numero_de_agujas, numero_de_intentos):
estimados = []
for _ in range(numero_de_intentos):
estimacion_pi = aventar_agujas(numero_de_agujas)
estimados.append(estimacion_pi)
media_estimados = media(estimados)
sigma = desvest(estimados)
print(
f'Estimación = {round(media_estimados, 5)}, sigma = {round(sigma, 5)}')
return (media_estimados, sigma)
def main(numero_de_tiros, numero_de_intentos):
tiros = []
estimados=[]
for _ in range(numero_de_intentos):
secuencia_de_tiros = tirar_dado(numero_de_tiros)
med_d=media(secuencia_de_tiros)
estimados.append(med_d)
tiros.append(secuencia_de_tiros)
counter = dict(collections.Counter(estimados))
x=list(counter.keys())
y=list(counter.values())
graficar(x,y)
def main(cantidad_simulaciones, cantidad_tiros):
resultados_simulaciones = []
media_tiros = []
sigmas = []
# distribucion_normal_tiro=[]
for _ in range(cantidad_simulaciones):
tiros = tiros_dado(cantidad_tiros)
resultados_simulaciones.append(tiros)
media_tiro = media(tiros)
sigma = desviacion_estandar(tiros)
media_tiros.append(media_tiro)
sigmas.append(sigma)
# distribucion_tiros = distribucion_normal(tiros,media_tiro,sigma)
# distribucion_normal_tiro.append(distribucion_tiros)
counter = dict(collections.Counter(media_tiros))
# print(counter)
x = list(counter.keys())
y = list(counter.values())
grafica(x, y, media_tiros)
tiros_de_doce = 0
for numero in resultados_simulaciones:
if 12 in numero:
tiros_de_doce += 1
tiros_de_cinco = 0
for numero in resultados_simulaciones:
if 5 in numero:
tiros_de_cinco += 1
# print(resultados_simulaciones)
probabilidad_del_cinco = tiros_de_cinco / cantidad_tiros
probabilidad_del_doce = (tiros_de_doce / cantidad_tiros)
print(
f'La probabilidad de que aparezca un 5 en {cantidad_tiros} tiros es de {probabilidad_del_cinco}'
)
print("___" * 20)
print(
f'La probabilidad de que aparezca un 12 en {cantidad_tiros} tiros es de {probabilidad_del_doce}'
)
print("___" * 20)
print(
f'Media = {media(media_tiros)} con una desviación estándar de {media(sigmas)}'
)
def estimacion(
numero_de_agujas,
numero_de_intentos): #cuantas veces se van a correr la simulación
estimados = [] #variable de todas las estimacion de pi
for _ in range(numero_de_intentos): #for loop, que corre # de intentos
estimacion_pi = aventar_agujas(numero_de_agujas)
estimados.append(estimacion_pi)
media_estimados = media(estimados)
sigma = desviacion_estandar(estimados)
print(
f'Est={round(media_estimados, 5)}, sigma={round(sigma, 5)}, agujas={numero_de_agujas}'
)
return (media_estimados, sigma) #Regresa una tubla
def grafica(x, y, media_tiros):
plot = figure(title='media dado',
x_axis_label='Númeors',
y_axis_label='Valores')
plot.vbar(x, top=y, width=0.5, color="#46f2d3")
x_media = media(media_tiros)
y_media = [min(media_tiros), max(media_tiros)]
plot.line(x_media, y_media, color='red', legend='media', line_width=3)
# plot.line(x,distribucion_normal,color="green",title='distribución normal')
output_file("Media.html")
show(plot)
def estimacion(numero_de_agujas, numero_de_intentos):
estimados = []
for _ in range(numero_de_intentos):
estimacion_pi = lanzar_agujas(numero_de_agujas)
estimados.append(estimacion_pi)
# aqui lo que estamos calculando pi muchas veces para poder estimar la media
media_estimados = media(estimados)
sigma_estimados = desviacion_estandar(estimados)
#print(media_estimados, varianza_estimados,sigma_estimados)
print(
f'Estimacion PI: {round(media_estimados, 5)}, sigma: { round(sigma_estimados, 5)}, agujas: {numero_de_agujas}'
)
# en este punto vamos a usar la regla empirica para determinar ue tenemos un 95% por ciento de confianza
# ese valor lo encontramos a 1.96 desviaciones estandar
return (media_estimados, sigma_estimados)
pi_array.append(pivalor)
return (pi_array, in_circle_x, in_circle_y, out_circle_x, out_circle_y)
deviation = 1 # Valor inicial para poder empezar el ciclo while
presicion = 0.1 # Precision en cifras significativas para determinar el
# valor estimado de pi (CUIDADO!!!!)
iteration = 1
while deviation >= (presicion / 1.96):
pi_array, in_circle_x, in_circle_y, out_circle_x, out_circle_y = crear_muestra(
tries)
deviation = std.desviacion_estandar(pi_array)
variance = std.varianza(pi_array)
mean = std.media(pi_array)
print(
f'------------------ Iteracion number: {(iteration)} ------------------'
)
print(
f'Standard deviation: {round(deviation,5)}, Variance : {round(variance,5)}, pi estimated: {round(mean,5)}'
)
print(f'Numero de intentos {tries}, Numero de puntos {puntos}\n\n')
#print(f)
puntos *= 10
tries *= 10
iteration += 1
output_file("line.html")
plot = figure(plot_width=600, plot_height=600)