diff --git a/9.md b/9.md
index 04acd026d24a2b17756292fa52c4b69caf2eb13f..7fd8e2fdac04fd19637f6663f320c977ed4d7039 100644
--- a/9.md
+++ b/9.md
@@ -223,11 +223,11 @@ wheel
 
 （省略了 28 行）
 
-您可以在轮盘赌桌上展示的几个预先指定的口袋下注。 如果你下注“红色”，如果球落在红色的口袋里，你就赢了。
+您可以对轮盘赌桌上展示的几个预先指定的口袋下注。 如果你对“红色”下注，如果球落在红色的口袋里，你就赢了。
 
 红色的下注返回相等的钱。 也就是说，它支付一比一。为了理解这是什么意思，假设你在“红色”下注一美元。 第一件事情发生之前，即使在车轮旋转之前，你必须交出你的一美元。 如果球落在绿色或黑色的口袋里，你就失去它了。 如果球落在红色的口袋里，你会把你的钱拿回来（让你不输不赢），再加上另外一美元的奖金。
 
-函数`red_winnings`以一个颜色作为参数，如果颜色是红色，则返回`1`。 对于所有其他颜色，它返回`-1`。 我们将`red_winnings`应用于`wheel`的`Color`列，来获得新的表`bets`，如果您在红色下注一美元，它显示每个口袋的净收益。
+函数`red_winnings`以一个颜色作为参数，如果颜色是红色，则返回`1`。 对于所有其他颜色，它返回`-1`。 我们将`red_winnings`应用于`wheel`的`Color`列，来获得新的表`bets`，如果您对红色下注一美元，它显示每个口袋的净收益。
 
 ```py
 def red_winnings(color):
@@ -257,7 +257,7 @@ bets
 
 （省略了 28 行）
 
-假设我们决定在红色下注一美元，会发生什么呢？
+假设我们决定对红色下注一美元，会发生什么呢？
 
 这里是一轮的模拟。
 
@@ -270,3 +270,36 @@ one_spin
 | Pocket | Color | Winnings: Red |
 | --- | --- |
 | 14 | red | 1 |
+
+这轮的颜色是`Color`列中的值。 无论您的赌注如何，结果可能是红色，绿色或黑色。 要看看这些事件发生的频率，我们可以模拟许多这样的单独轮次，并绘制出我们所看到的颜色的条形图。 （我们可以称之为经验条形图。）
+
+为了实现它，我们可以使用`for`循环。 我们在这里选择了重复 5000 次，但是当你运行这个单元格时，你可以改变它。
+
+```py
+num_simulations = 5000
+
+colors = make_array()
+winnings_on_red = make_array()
+
+for i in np.arange(num_simulations):
+    spin = bets.sample(1)
+    new_color = spin.column("Color").item(0)
+    colors = np.append(colors, new_color)
+    new_winnings = spin.column('Winnings: Red')
+    winnings_on_red = np.append(winnings_on_red, new_winnings)
+
+Table().with_column('Color', colors)\
+       .group('Color')\
+       .barh('Color')
+```
+
+38 个口袋里有 18 个是红色的，每个口袋都是等可能的。 因此，在 5000 次模拟中，我们预计大致（但可能不是完全）看到`18/38*5000`或者 2,368 次红色。模拟证明了这一点。
+
+在模拟中，我们也记录了你的奖金。 这些经验直方图显示了，您对红色下注的不同结果的（近似）几率。
+
+```py
+Table().with_column('Winnings: Red', winnings_on_red)\
+       .hist(bins = np.arange(-1.55, 1.65, .1))
+```
+
+每个模拟的唯一可能的结果是，您赢了一美元或输了一美元，这反映在直方图中。 我们也可以看到，你赢的次数要比输的次数少一点。 你喜欢这个赌博策略吗？