Prueba otras distribuciones posibles
La elección adecuada de las distribuciones de probabilidad de entrada es clave para realizar simulaciones Monte Carlo. En el vídeo, se evaluaron tres distribuciones para determinar cuál se ajustaba mejor a la variable age. Esas distribuciones eran la de Laplace, la normal y la exponencial. La distribución normal fue la que mejor se ajustó.
En este ejercicio, ¡verás si puedes encontrar una distribución que mejore el ajuste de la distribución normal! Evaluarás el ajuste de las distribuciones uniforme, normal y exponencial. El conjunto de datos de la diabetes se ha cargado como un DataFrame, dia. ¿Seguirá siendo la distribución normal la mejor?
Se han importado para ti las siguientes bibliotecas: pandas como pd, scipy.stats como st, y numpy como np.
Este ejercicio forma parte del curso
Simulaciones Montecarlo en Python
Instrucciones del ejercicio
- Utiliza
.fit()para ajustar una distribución a los datos deage; a continuación, utiliza.nnlf()para obtener el valor de la Estimación de Máxima Verosimilitud (MLE) del ajuste.
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
distributions = [st.uniform, st.norm, st.expon]
mles = []
for distribution in distributions:
# Fit the distribution and obtain the MLE value
pars = distribution.____
mle = distribution.____
mles.append(mle)
print(mles)