কাস্টম p(Heads) সহ কয়েন ফ্লিপ, ওয়েটেড ছয়‑মুখী পাশা, অথবা ইউরোপিয়ান/আমেরিকান রুলেট বেটের মধ্যে থেকে নির্বাচন করুন। সিমুলেটর তত্ত্বগত অনুপাতের সাথে বাস্তব অনুপাত তুলনা করে, বাইনারি ফলাফলের জন্য Wilson 95% ইন্টারভাল দেখায়, রানিং কনভার্জেন্স ট্র্যাক করে এবং যে স্টেপগুলো ব্যবহার করছে তা পরপর লিখে রাখে যাতে ক্লাসে আবার ব্যাখ্যা করতে পারেন।
অতিরিক্ত ডকুমেন্টেশন দরকার? কাঁচা গণনার জন্য CSV এক্সপোর্ট ব্যবহার করুন, ওয়ার্কশিটের জন্য LaTeX সারাংশ কপি করুন, আর শেয়ারযোগ্য URL দিয়ে ঠিক একই এক্সপেরিমেন্ট পরে আবার লোড করুন।
কন্ট্রোল
বন্টন (তত্ত্ব বনাম বাস্তব)
নীল বার বাস্তব ফ্রিকোয়েন্সি দেখায়, আর হালকা ওভারলে তত্ত্বগত সম্ভাবনা দেখায়। প্রতিটি ক্যাটাগরির উপরে তফাতের মান লেবেল করা থাকে।
রানিং এস্টিমেট বনাম ট্রায়াল
সলিড লাইন রানিং proportion দেখায়। ড্যাশড লাইন তত্ত্বগত মান চিহ্নিত করে এবং শেড করা ব্যান্ড ট্রায়াল বাড়ার সাথে 95% confidence interval দেখায়।
শিক্ষণ নির্দেশনা
- ট্রায়াল সংখ্যা বাড়িয়ে law of large numbers দেখান; শিক্ষার্থীদের তত্ত্বগত লাইনের চারপাশে কনভার্জেন্স ব্যান্ড কিভাবে সংকুচিত হয় তা পর্যবেক্ষণ করতে দিন।
- পাশাকে weighted মোডে নিয়ে গিয়ে expected frequency কীভাবে বদলায় এবং ভুল ওয়েট দিলে χ² পরিসংখ্যা কীভাবে প্রতিক্রিয়া জানায় তা আলোচনা করুন।
- রুলেটের expected value এবং house edge তুলে ধরে প্রবাবিলিটি ও ফাইন্যান্স‑স্টাইল expected return‑এর সংযোগ দেখান।
প্রশ্নোত্তর
ক্লাসে RNG সিকোয়েন্স কীভাবে যাচাই করব?
ডকুমেন্টেড উদাহরণ নিন—যেমন, seed 12345 ও 100টি coin flip—এরপর দেখান যে সিমুলেটর প্রতিবারই 44টি হেড রিপোর্ট করে। ডিভাইস পরিবর্তন করলেও ফল একই থাকে, কারণ RNG ও সিড স্থির।
এই রান এক্সপোর্ট করে শিক্ষার্থীদের সঙ্গে শেয়ার করা যাবে?
হ্যাঁ। কাঁচা গণনা ও রানিং estimate‑এর জন্য CSV ব্যবহার করুন, ওয়ার্কশিটের জন্য LaTeX সারাংশ কপি করুন এবং অটো‑জেনারেটেড URL শেয়ার করে পরে একই এক্সপেরিমেন্ট আবার লোড করুন।