Poissonova náhodná proměnná
Modul numpy.random nabízí celou řadu užitečných pravděpodobnostních rozdělení pro diskrétní i spojité náhodné proměnné. V tomto cvičení se naučíš, jak z pravděpodobnostního rozdělení generovat vzorky.
Konkrétně budeš generovat vzorky z jednoho z nejdůležitějších diskrétních rozdělení – Poissonova rozdělení, které se typicky používá k modelování průměrné četnosti výskytu událostí.
Po dokončení cvičení budeš schopen/schopna tyto kroky aplikovat na libovolné pravděpodobnostní rozdělení z modulu numpy.random. Zároveň uvidíš, jak se výběrový průměr mění v závislosti na počtu vygenerovaných vzorků.
Toto cvičení je součástí kurzu
Statistické simulace v Pythonu
Pokyny k cvičení
- Pomocí
np.random.poisson()vygeneruj vzorky z Poissonova rozdělení s parametrylam(lambda) asize_1. - Zopakuj předchozí krok, tentokrát s parametrem
size_2. - Pro každý z těchto souborů vzorků vypočítej absolutní rozdíl mezi jejich průměrem a hodnotou lambda – použij
np.mean()aabs().
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Initialize seed and parameters
np.random.seed(123)
lam, size_1, size_2 = 5, 3, 1000
# Draw samples & calculate absolute difference between lambda and sample mean
samples_1 = np.random.poisson(____, ____)
samples_2 = np.random.poisson(____, ____)
answer_1 = abs(____)
answer_2 = abs(____)
print("|Lambda - sample mean| with {} samples is {} and with {} samples is {}. ".format(size_1, answer_1, size_2, answer_2))