शुरू करेंमुफ़्त में शुरू करें

यह पैरामीटर सर्वोत्तम कैसे है?

अब एक exponential वितरण से सैंपल लें जहाँ \(\tau\) आपकी प्राप्त सर्वोत्तम \(\tau\) से दोगुना हो। यही काम \(\tau\) को आधा करके भी करें। इन सैंपलों की CDFs बनाइए और उन्हें अपने डेटा के साथ ओवरले कीजिए। आप देखेंगे कि वे डेटा को उतनी अच्छी तरह पुन: प्रस्तुत नहीं करतीं। इसलिए, जो \(\tau\) आपने औसत inter-no-hitter समयों से निकाली है, वह सर्वोत्तम है क्योंकि वह डेटा को सबसे अच्छी तरह दोहराती है।

नोट: इस अभ्यास और आगे आने वाले सभी अभ्यासों में, आपके लिए रैंडम नंबर जेनरेटर पहले से सीड किया गया है ताकि आपको कम टाइप करना पड़े।

यह अभ्यास पाठ्यक्रम का हिस्सा है

Statistical Thinking in Python (Part 2)

पाठ्यक्रम देखें

अभ्यास निर्देश

  • tau/2 वाले पैरामीटर \(\tau_{1/2}\) के साथ Exponential वितरण से 10000 सैंपल लें.
  • 2*tau वाले पैरामीटर \(\tau_{2}\) के साथ Exponential वितरण से 10000 सैंपल लें.
  • इन दोनों सैंपल सेट्स से अपनी ecdf() फंक्शन का उपयोग करते हुए CDFs बनाइए.
  • इन दोनों CDFs को अपनी प्लॉट पर लाइनों के रूप में जोड़ें। यह आपके लिए कर दिया गया है, तो प्लॉट देखने के लिए बस उत्तर सबमिट करें!

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Plot the theoretical CDFs
plt.plot(x_theor, y_theor)
plt.plot(x, y, marker='.', linestyle='none')
plt.margins(0.02)
plt.xlabel('Games between no-hitters')
plt.ylabel('CDF')

# Take samples with half tau: samples_half
samples_half = ____

# Take samples with double tau: samples_double
samples_double = ____

# Generate CDFs from these samples
x_half, y_half = ____
x_double, y_double = ____

# Plot these CDFs as lines
_ = plt.plot(x_half, y_half)
_ = plt.plot(x_double, y_double)

# Show the plot
plt.show()
कोड संपादित करें और चलाएँ