Vzorkování z geometrického rozdělení
Eva má nastraněnou minci, která padne na hlavu jen s pravděpodobností 20 %. Eva hází touto mincí a zaznamenává, kolik hodů bylo potřeba k tomu, aby padla hlava.
Geometrické rozdělení se k modelování počtu hodů potřebných k získání hlavy přímo nabízí – parametr p představuje pravděpodobnost úspěchu (tj. že padne hlava) při každém hodu.
Tvým úkolem je pomocí geometrického rozdělení nasimulovat Evin experiment 10 000krát a pokaždé zaznamenat, kolik hodů bylo potřeba, než padla hlava. Nakonec výsledky vizualizuješ!
Následující knihovny jsou už naimportované: seaborn jako sns, pandas jako pd, SciPy modul stats jako st a matplotlib.pyplot jako plt.
Toto cvičení je součástí kurzu
Monte Carlo simulace v Pythonu
Pokyny k cvičení
- Nastav
pna odpovídající pravděpodobnost úspěchu, kde úspěch je definován jako hod hlavou. - S použitím
pjako pravděpodobnosti úspěchu proveď 10 000 vzorků z geometrického rozděleníst.geom.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Set p to the appropriate probability of success
p = ____
# Sample from the geometric distribution 10,000 times
samples = ____
samples_dict = {"nums":samples}
sns.histplot(x="nums", data=samples_dict)
plt.show()