Évaluer l'ajustement de la distribution pour la variable ldl
Dans cet exercice, vous vous concentrez sur une variable du jeu de données sur le diabète dia : le sérum sanguin ldl. Vous déterminerez si la loi normale demeure un bon choix pour ldl à partir de l'information supplémentaire fournie par un test de Kolmogorov–Smirnov.
Le DataFrame dia a été chargé pour vous. Les bibliothèques suivantes ont aussi été importées : pandas sous le nom pd, numpy sous le nom np, et scipy.stats sous le nom st.
Cette activité fait partie du cours
Simulations de Monte-Carlo en Python
Instructions de l’exercice
- Définissez une liste appelée
list_of_distscontenant vos lois candidates : Laplace, normale et exponentielle (dans cet ordre); utilisez les noms exacts descipy.stats. - Dans la boucle, ajustez les données avec la loi de probabilité correspondante et enregistrez le résultat dans
param. - Effectuez un test de Kolmogorov–Smirnov pour évaluer la qualité de l'ajustement et enregistrez les résultats dans
result.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# List candidate distributions to evaluate
list_of_dists = [____]
for i in list_of_dists:
dist = getattr(st, i)
# Fit the data to the probability distribution
param = dist.____
# Perform the ks test to evaluate goodness-of-fit
result = ____
print(result)