Échantillonnage normal multivarié
Dans cet exercice, vous continuerez à travailler avec le DataFrame house_price_size, qui a été chargé pour vous. Rappelons que house_price_size contient deux colonnes nommées price et size représentant, dans cet ordre, le prix et la superficie des maisons.
Après avoir exploré le DataFrame house_price_size, vous soupçonnez qu'il s'agit d'une distribution normale multivariée, puisque price et size semblent chacune suivre une distribution normale. En vous basant sur la matrice de covariance calculée à l'exercice précédent, vous pouvez maintenant effectuer un échantillonnage selon une distribution normale multivariée avec une structure de covariance définie !
Pour effectuer un échantillonnage normal multivarié avec une covariance définie, vous aurez besoin des informations suivantes :
pricea une moyenne de 20 etsizea une moyenne de 500pricea une variance de 19 etsizea une variance de 50 000- La covariance entre
priceetsizeest de 950 - Vous réaliserez 5 000 tirages
Les importations suivantes ont été effectuées pour vous : seaborn sous le nom sns, pandas sous le nom pd, numpy sous le nom np, matplotlib.pyplot sous le nom plt et scipy.stats sous le nom st.
Cette activité fait partie du cours
Simulations de Monte-Carlo en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Assign the mean of price and size, sample size, and covariance matrix of price and size
mean_value = ____
cov_mat = np.array(____)
sample_size = ____