Variable aleatoria de Poisson
El módulo numpy.random también incluye varias distribuciones de probabilidad útiles para variables aleatorias discretas y continuas. En este ejercicio, aprenderás a extraer muestras de una distribución de probabilidad.
En concreto, extraerás muestras de una distribución discreta muy importante: la distribución de Poisson, que se utiliza normalmente para modelar la tasa media a la que ocurren eventos.
Después del ejercicio, deberías poder aplicar estos pasos a cualquiera de las distribuciones de probabilidad disponibles en numpy.random. Además, verás cómo cambia la media muestral a medida que extraemos más muestras de una distribución.
Este ejercicio forma parte del curso
Simulación estadística en Python
Instrucciones del ejercicio
- Usando
np.random.poisson(), extrae muestras de una distribución de Poisson usandolam(lambda) ysize_1. - Repite el paso anterior, pero esta vez usa
size_2. - Para cada una de las muestras anteriores, calcula la diferencia absoluta entre su media y lambda usando
np.mean()yabs().
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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))