Poisson रैंडम वैरिएबल
numpy.random मॉड्यूल में डिस्क्रीट और कंटीन्युअस दोनों तरह के रैंडम वैरिएबल्स के लिए कई उपयोगी प्रॉबेबिलिटी डिस्ट्रीब्यूशंस हैं। इस अभ्यास में, आप सीखेंगे कि किसी प्रॉबेबिलिटी डिस्ट्रीब्यूशन से सैंपल कैसे ड्रॉ करते हैं.
खास तौर पर, आप एक बहुत महत्वपूर्ण डिस्क्रीट प्रॉबेबिलिटी डिस्ट्रीब्यूशन — Poisson डिस्ट्रीब्यूशन — से सैंपल लेंगे, जिसका उपयोग आम तौर पर घटनाओं के औसत दर (average rate) को मॉडल करने के लिए किया जाता है.
इस अभ्यास के बाद, आप numpy.random में मिलने वाली किसी भी डिस्ट्रीब्यूशन पर ये स्टेप्स लागू कर पाएँगे। साथ ही, आप यह भी देखेंगे कि जैसे-जैसे हम किसी डिस्ट्रीब्यूशन से अधिक सैंपल लेते हैं, सैंपल मीन कैसे बदलता है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Statistical Simulation
अभ्यास निर्देश
np.random.poisson()का उपयोग करकेlam(lambda) औरsize_1के साथ Poisson डिस्ट्रीब्यूशन से सैंपल ड्रॉ करें.- ऊपर वाला स्टेप दोहराएँ, लेकिन इस बार
size_2का उपयोग करें. - दोनों सैंपल के लिए, उनके मीन और lambda के बीच का एबसोल्यूट डिफरेंस
np.mean()औरabs()से निकालें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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))