Examen de conducir
En los próximos ejercicios, aprenderemos a construir un proceso generador de datos (DGP) mediante ejemplos cada vez más complejos.
En este ejercicio, vas a simular un DGP muy sencillo. Supón que mañana vas a hacer el examen de conducir. Según tu propia práctica y los datos que has recopilado, sabes que la probabilidad de aprobar es del 90% si hace sol y solo del 30% si llueve. La estación meteorológica local pronostica un 40% de probabilidad de lluvia mañana. Con esta información, quieres saber cuál es la probabilidad de que apruebes el examen mañana.
Este es un problema simple y puede resolverse de forma analítica. Aquí aprenderás a modelar un DGP sencillo y ver cómo puede usarse para simular.
Este ejercicio forma parte del curso
Simulación estadística en Python
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
sims, outcomes, p_rain, p_pass = 1000, [], 0.40, {'sun':0.9, 'rain':0.3}
def test_outcome(p_rain):
# Simulate whether it will rain or not
weather = np.random.choice(['rain', 'sun'], p=[____])
# Simulate and return whether you will pass or fail
test_result = np.random.choice(['pass', 'fail'], p=[____])
return test_result