CommencerCommencer gratuitement

Variable aléatoire de Poisson

Le module numpy.random propose également plusieurs lois de probabilité utiles pour des variables aléatoires discrètes et continues. Dans cet exercice, vous allez apprendre à tirer des échantillons à partir d’une loi de probabilité.

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

À l’issue de l’exercice, vous devriez être en mesure d’appliquer ces étapes à n’importe quelle loi de probabilité disponible dans numpy.random. Vous verrez aussi comment la moyenne d’échantillon évolue lorsque l’on tire davantage d’échantillons d’une même loi.

Cet exercice fait partie du cours

Simulation statistique en Python

Afficher le cours

Instructions

  • À l’aide de np.random.poisson(), tirez des échantillons d’une loi de Poisson en utilisant lam (lambda) et size_1.
  • Répétez l’étape précédente, mais cette fois avec size_2.
  • Pour chacun des échantillons ci-dessus, calculez l’écart absolu entre leur moyenne et lambda en utilisant np.mean() et abs().

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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