Stichprobenmittelwerte folgen einer Normalverteilung
In der vorherigen Übung haben wir eine Grundgesamtheit mit Binomialverteilung erzeugt, 20 zufällige Stichproben daraus gezogen und den Stichprobenmittelwert berechnet. Jetzt testen wir andere Wahrscheinlichkeitsverteilungen, um die Form der Stichprobenmittelwerte zu untersuchen.
Aus der Bibliothek scipy.stats haben wir die Objekte poisson und geom sowie die Funktion describe() geladen. Außerdem haben wir matplotlib.pyplot als plt und numpy als np importiert.
Wie du sehen wirst, ist die Form der Verteilung der Mittelwerte gleich, obwohl die Stichproben aus unterschiedlichen Verteilungen erzeugt werden.
Diese Übung ist Teil des Kurses
Grundlagen der Wahrscheinlichkeit in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Generate the population
population = geom.rvs(p=0.5, size=1000)
# Create list for sample means
sample_means = []
for _ in range(3000):
# Take 20 values from the population
sample = np.random.choice(population, ____)
# Calculate the sample mean
sample_means.append(describe(____).____)
# Plot the histogram
plt.____(sample_means)
plt.show()