Vzorkování z diskrétního rovnoměrného rozdělení
Tom má klasickou šestistěnnou kostku s čísly jedna až šest. V tomto cvičení použiješ diskrétní rovnoměrné rozdělení, které se skvěle hodí pro vzorkování celých čísel s rovnoměrným rozložením pravděpodobnosti, a nasimulujeme 1 000 hodů Tomovou kostkou. Výsledky pak vizualizujeme!
Následující knihovny jsou už naimportované: seaborn jako sns, scipy.stats jako st a matplotlib.pyplot jako plt.
Toto cvičení je součástí kurzu
Monte Carlo simulace v Pythonu
Pokyny k cvičení
- Definuj
lowahighpro použití při vzorkování metodou.rvs()v dalším kroku; rozdělení by mělo zahrnovat celá čísla od jedné (nejnižší možný výsledek hodu) po šest (nejvyšší možný výsledek hodu), a to rovnoměrně. - Proveď 1 000 vzorků z diskrétního rovnoměrného rozdělení reprezentovaného
st.randints celými čísly od jedné do šesti.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Define low and high for use in rvs sampling below
low = ____
high = ____
# Sample 1,000 times from the discrete uniform distribution
samples = ____
samples_dict = {'nums':samples}
sns.histplot(x='nums', data=samples_dict, bins=6, binwidth=0.3)
plt.show()