Geometric डिस्ट्रीब्यूशन से सैंपलिंग
Eva के पास एक बायस्ड सिक्का है, जिसमें हेड आने की प्रायिकता केवल 20% है. Eva अपना सिक्का उछालती है और हेड आने तक लगने वाली उछालों की संख्या रिकॉर्ड करती है.
ज्योमेट्रिक डिस्ट्रीब्यूशन हेड के परिणाम तक पहुँचने के लिए आवश्यक उछालों की संख्या को मॉडल करने के लिए बिल्कुल उपयुक्त है, जहाँ सफलता दर p हर बार हेड आने की प्रायिकता के रूप में परिभाषित है.
आपका कार्य है ज्योमेट्रिक डिस्ट्रीब्यूशन का उपयोग करके Eva के सिक्के की उछालों का सिमुलेशन करना, ताकि 10,000 बार हेड प्राप्त हो, और हर बार हेड आने तक लगने वाली उछालों की संख्या रिकॉर्ड करें. इसके बाद, आप इन परिणामों का विज़ुअलाइज़ेशन करेंगे!
आपके लिए निम्नलिखित इम्पोर्ट किए गए हैं: seaborn sns के रूप में, pandas pd के रूप में, SciPy का stats मॉड्यूल st के रूप में, और matplotlib.pyplot plt के रूप में.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Monte Carlo Simulations
अभ्यास निर्देश
pको सफलता की उपयुक्त प्रायिकता पर सेट करें, जहाँ सफलता का अर्थ है हेड आना.- सफलता की प्रायिकता के रूप में
pका उपयोग करते हुए, ज्योमेट्रिक डिस्ट्रीब्यूशनst.geomसे 10,000 बार सैंपल लें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Set p to the appropriate probability of success
p = ____
# Sample from the geometric distribution 10,000 times
samples = ____
samples_dict = {"nums":samples}
sns.histplot(x="nums", data=samples_dict)
plt.show()