La PDF normale

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

Cet exercice fait partie du cours

<cours>Réflexion statistique en Python (Partie 1)</cours>

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’écarts types 3 et 10, toujours avec 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 paramètre rend le tracé très proche de la PDF théorique lisse. Vous aurez besoin d’appeler plt.hist() 3 fois.
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’étiqueter les axes, car nous n’avons pas défini ce que décrit la loi normale ; nous observons simplement la forme des PDFs.

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