1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Monte Carlo simulace v Pythonu
Connected

cvičení

Vizualizace výsledků resamplingové simulace

Teď vizualizuješ výsledky simulace z předchozího cvičení! Budeš dál pracovat s proměnnou nba_weights, která obsahuje hmotnosti skupiny hráčů NBA v kilogramech:

nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1, 
               100.3, 101.0, 98.0, 97.4]

Zde je kód simulace z předchozího cvičení:

simu_weights = []
for i in range(1000):
    bootstrap_sample = random.choices(nba_weights, k=9)
    simu_weights.append(np.mean(bootstrap_sample))
mean_weight = np.mean(simu_weights)
upper = np.quantile(simu_weights, 0.975)
lower = np.quantile(simu_weights, 0.025)
print(mean_weight, lower, upper)

Seznam simu_weights vygenerovaný v minulém cvičení je pro tebe již načtený. Stejně tak jsou předem definovány proměnné mean_weight, lower a upper, které odpovídají průměru a hodnotám 2,5% a 97,5% kvantilu tvého intervalu spolehlivosti.

Následující balíčky jsou již načteny: random, numpy jako np, seaborn jako sns a matplotlib.pyplot jako plt.

Pokyny

100 XP
  • Pomocí sns.displot() vykresli distribuci simulovaných hmotností.
  • Pomocí plt.axvline() vykresli dvě svislé čáry pro 95% interval spolehlivosti (nejprve lower, pak upper) červenou barvou a průměr zelenou barvou.