शुरू करेंमुफ़्त में शुरू करें

अन्य संभावित डिस्ट्रीब्यूशन्स आज़माएँ

इनपुट प्रॉबेबिलिटी डिस्ट्रीब्यूशन्स का सही चुनाव Monte Carlo simulations करने के लिए बेहद ज़रूरी है। वीडियो में तीन डिस्ट्रीब्यूशन्स का आकलन किया गया था कि age वैरिएबल के लिए कौन-सा सबसे बेहतर फिट है। वे थीं: Laplace, normal, और exponential डिस्ट्रीब्यूशन्स। normal डिस्ट्रीब्यूशन सबसे बेहतर निकला।

इस अभ्यास में, आप देखेंगे कि क्या आप normal डिस्ट्रीब्यूशन से भी बेहतर फिट देने वाली कोई डिस्ट्रीब्यूशन ढूँढ सकते हैं! आप uniform, normal, और exponential डिस्ट्रीब्यूशन्स के फिट का मूल्यांकन करेंगे। diabetes डेटासेट एक DataFrame dia के रूप में लोड किया गया है। क्या normal डिस्ट्रीब्यूशन अब भी सबसे अच्छा रहेगा?

आपके लिए ये लाइब्रेरीज़ इम्पोर्ट कर दी गई हैं: pandas as pd, scipy.stats as st, और numpy as np.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Monte Carlo Simulations

पाठ्यक्रम देखें

अभ्यास निर्देश

  • age डेटा पर किसी डिस्ट्रीब्यूशन को फिट करने के लिए .fit() का उपयोग करें; फिर उस फिट का Maximum Likelihood Estimation (MLE) मान पाने के लिए .nnlf() का उपयोग करें।

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

distributions = [st.uniform, st.norm, st.expon]
mles = []
for distribution in distributions:
    # Fit the distribution and obtain the MLE value
    pars = distribution.____
    mle = distribution.____
    mles.append(mle)
print(mles)
कोड संपादित करें और चलाएँ