शुरू करेंमुफ़्त में शुरू करें

Normal distribution

अब सबसे पहचानने योग्य और उपयोगी डिस्ट्रीब्यूशन पर आते हैं: normal या Gaussian डिस्ट्रीब्यूशन. स्लाइड्स में, हमने घंटी-आकार (bell-curve) और यह भी संक्षेप में देखा कि normal डिस्ट्रीब्यूशन, central limit theorem के साथ मिलकर, कैसे हमें hypothesis tests करने में सक्षम बनाता है.

पिछले अभ्यासों की तरह, यहाँ आप कुछ डेटा simulate करके और उसकी डिस्ट्रीब्यूशन देखकर शुरुआत करेंगे. फिर थोड़ा और गहराई में जाकर कुछ विशेष observations के होने की प्रायिकता जाँचेंगे.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में सांख्यिकी इंटरव्यू प्रश्नों का अभ्यास

पाठ्यक्रम देखें

अभ्यास निर्देश

  • rvs() फंक्शन का उपयोग करके size=1000 के साथ डिस्ट्रीब्यूशन के लिए डेटा जनरेट करें; इसे data वैरिएबल में असाइन करें.
  • matplotlib का histogram दिखाएँ; डिस्ट्रीब्यूशन के आकार को देखें.
  • एक standardized normal डिस्ट्रीब्यूशन के लिए, 2 से अधिक वाले observation की प्रायिकता क्या है?
  • हमारे सैंपल में, 2 से अधिक वाले observation की प्रायिकता क्या है?

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Generate normal data
from scipy.stats import norm
data = norm.rvs(size=____)

# Plot distribution
plt.hist(____)
plt.show()

# Compute and print true probability for greater than 2
true_prob = 1 - norm.cdf(____)
print(____)

# Compute and print sample probability for greater than 2
sample_prob = sum(obs > ____ for obs in data) / len(____)
print(____)
कोड संपादित करें और चलाएँ