शुरू करेंमुफ़्त में शुरू करें

np.random मॉड्यूल और Bernoulli ट्रायल्स

आप Bernoulli ट्रायल को एक ऐसी सिक्का उछाल की तरह सोच सकते हैं जिसमें बायस हो सकता है. खास तौर पर, हर उछाल में हेड आने (success) की probability \(p\) होती है और टेल आने (failure) की probability \(1-p\) होती है. इस अभ्यास में, आप n Bernoulli ट्रायल्स करने के लिए एक फंक्शन लिखेंगे, perform_bernoulli_trials(n, p), जो n Bernoulli ट्रायल्स में आए successes की संख्या लौटाता है, जहाँ हर ट्रायल में success की probability p है. हर Bernoulli ट्रायल करने के लिए rng.random() फंक्शन का उपयोग करें, जो शून्य और एक के बीच एक random number देता है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Statistical Thinking in Python (Part 1)

पाठ्यक्रम देखें

अभ्यास निर्देश

  • सिग्नेचर perform_bernoulli_trials(n, p) के साथ एक फंक्शन परिभाषित करें.
    • True की गिनती, यानी Bernoulli ट्रायल successes के काउंटर के रूप में वैरिएबल n_success को शून्य से initialize करें.
    • एक for लूप लिखें जिसमें हर iteration में एक Bernoulli ट्रायल करें और अगर परिणाम True हो तो success की संख्या बढ़ाएँ. range(n) पर लूप चलाकर कुल n iterations करें.
      • Bernoulli ट्रायल करने के लिए, rng.random() का उपयोग करके शून्य और एक के बीच एक random number चुनें. अगर चुना गया नंबर p से छोटा हो, तो n_success को increment करें (इसके लिए += 1 ऑपरेटर का उपयोग करें). एक RNG पहले से वैरिएबल rng के रूप में instantiate और seed किया गया है.
    • फंक्शन successes की संख्या n_success लौटाता है.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

def perform_bernoulli_trials(n, p):
    """Perform n Bernoulli trials with success probability p
    and return number of successes."""
    # Initialize number of successes: n_success
    n_success = ____

    # Perform trials
    for i in ____:
        # Choose random number between zero and one: random_number


        # If less than p, it's a success so add one to n_success
        if ____:
            ____

    return n_success
कोड संपादित करें और चलाएँ