La PDF normale

Dans cet exercice, vous allez explorer la PDF normale et apprendre une façon de tracer une PDF d'une loi connue à l'aide de statistiques « hacker ». Plus précisément, vous tracerez une PDF normale pour différentes valeurs de la variance.

Cette activité fait partie du cours

Réflexion statistique en Python (Partie 1)

Voir le cours

Instructions de l’exercice

Tirez 100 000 échantillons d'une loi normale de moyenne 20 et d'écart type 1. Faites de même pour des lois normales d'écart type 3 et 10, chacune ayant toujours une moyenne de 20. Assignez les résultats à samples_std1, samples_std3 et samples_std10, respectivement.
Tracez un histogramme pour chacun des échantillons ; pour chacun, utilisez 100 classes (bins), ainsi que les arguments nommés density=True et histtype='step'. Ce dernier argument donne au tracé une allure proche de la PDF théorique lisse. Vous devrez faire 3 appels à plt.hist().
Cliquez sur Soumettre la réponse pour créer une légende indiquant quels écarts types vous avez utilisés, puis affichez votre graphique ! Il n'est pas nécessaire d'indiquer les axes, car nous n'avons pas défini ce que décrit la loi normale ; nous examinons simplement la forme des PDF.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Draw 100000 samples from Normal distribution with stds of interest: samples_std1, samples_std3, samples_std10




# Make histograms




# Make a legend, set limits and show plot
_ = plt.legend(('std = 1', 'std = 3', 'std = 10'))
plt.ylim(-0.01, 0.42)
plt.show()

Modifier et exécuter le code