CommencezCommencez gratuitement

Variable aléatoire de Poisson

Le module numpy.random propose aussi plusieurs distributions de probabilité utiles pour les variables aléatoires discrètes et continues. Dans cet exercice, vous apprendrez à tirer des échantillons d'une distribution de probabilité.

En particulier, vous allez tirer des échantillons d'une distribution discrète très importante, la distribution de Poisson, généralement utilisée pour modéliser le taux moyen auquel des événements se produisent.

Après cet exercice, vous devriez pouvoir appliquer ces étapes à n'importe quelle distribution de numpy.random. Vous verrez aussi comment la moyenne d'échantillon évolue à mesure qu'on tire plus d'échantillons d'une distribution.

Cette activité fait partie du cours

Simulation statistique en Python

Voir le cours

Instructions de l’exercice

  • À l'aide de np.random.poisson(), tirez des échantillons d'une distribution de Poisson en utilisant lam (lambda) et size_1.
  • Répétez l'étape ci-dessus, mais cette fois utilisez size_2.
  • Pour chacun des échantillons ci-dessus, calculez la différence absolue entre leur moyenne et lambda à l'aide de np.mean() et abs().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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))
Modifier et exécuter le code