Menghitung jumlah hitungan yang diharapkan

Pada latihan sebelumnya Anda telah menghitung mean dan varians dari data crab dan menentukan bahwa keduanya tidak sama. Pada latihan ini Anda akan mempraktikkan analisis lain untuk overdispersion dengan menggunakan mean yang sudah dihitung dan menghitung jumlah hitungan yang diharapkan untuk nilai hitungan tertentu, misalnya hitungan nol. Dengan kata lain, berapa banyak satelit bernilai nol yang seharusnya kita harapkan dalam sampel, mengingat mean sampel yang telah dihitung.

Ingat kembali figur dari himpunan data crab di mana Anda dapat melihat banyaknya hitungan nol.

Ingat bahwa untuk menghitung jumlah hitungan yang diharapkan berdasarkan parameter, Anda dapat menggunakan distribusi Poisson yang didefinisikan sebagai

$$ P(y)=\frac{\lambda^ye^{-\lambda}}{y!} $$

Himpunan data crab dan mean terhitung sat_mean sudah dimuat di workspace.

Latihan ini adalah bagian dari kursus

Generalized Linear Models di Python

Lihat Kursus

Petunjuk latihan

Dengan mean terhitung sat_mean dan hitungan nol $y = 0$ hitung jumlah hitungan nol yang diharapkan. Gunakan math factorial().
Hitung jumlah observasi dengan hitungan nol pada variabel sat menggunakan sum() dan jumlah total observasi dalam sampel menggunakan fungsi len().
Cetak rasio antara jumlah observasi dengan hitungan nol aktual dan total jumlah observasi.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Expected number of zero counts
exp_zero_cnt = ((____**____)*np.____(-____))/math.____(____)

# Print exp_zero_counts
print('Expected zero counts given mean of ', round(____,3), 
      'is ', round(____,3)*100)

# Number of zero counts in sat variable
actual_zero_cnt = sum(____[____]  == 0)

# Number of observations in crab dataset
num_obs = len(____)

# Print the percentage of zero count observations in the sample
print('Actual zero counts in the sample: ', round(____ / ____,3)*100)

Edit dan Jalankan Kode