ComenzarEmpieza gratis

Distribución normal

Pasamos a la distribución más reconocible y útil de todas: la normal o gaussiana. En las diapositivas, hablamos brevemente de su forma de campana y de cómo la distribución normal, junto con el teorema central del límite, nos permite realizar contrastes de hipótesis.

Al igual que en los ejercicios anteriores, aquí empezarás simulando algunos datos y examinando la distribución; luego profundizarás un poco más y analizarás la probabilidad de que ocurran ciertas observaciones.

Este ejercicio forma parte del curso

Practicando preguntas de entrevistas de estadística en Python

Ver curso

Instrucciones del ejercicio

  • Genera los datos de la distribución usando la función rvs() con size igual a 1000; asígnalos a la variable data.
  • Muestra un histograma con matplotlib y examina la forma de la distribución.
  • Dada una distribución normal tipificada, ¿cuál es la probabilidad de una observación mayor que 2?
  • Mirando nuestra muestra, ¿cuál es la probabilidad de una observación mayor que 2?

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Generate normal data
from scipy.stats import norm
data = norm.rvs(size=____)

# Plot distribution
plt.hist(____)
plt.show()

# Compute and print true probability for greater than 2
true_prob = 1 - norm.cdf(____)
print(____)

# Compute and print sample probability for greater than 2
sample_prob = sum(obs > ____ for obs in data) / len(____)
print(____)
Editar y ejecutar código