Mengambil sampel dari distribusi geometrik
Eva memiliki sebuah koin bias dengan probabilitas muncul sisi gambar hanya 20% dari waktu. Eva melempar koinnya dan mencatat jumlah lemparan yang diperlukan hingga mendapatkan hasil sisi gambar.
Distribusi geometrik sangat cocok untuk memodelkan jumlah lemparan yang dibutuhkan untuk mencapai hasil sisi gambar, dengan laju keberhasilan p didefinisikan sebagai probabilitas muncul sisi gambar pada setiap lemparan.
Tugas Anda adalah menggunakan distribusi geometrik untuk mensimulasikan lemparan koin Eva hingga mencapai sisi gambar sebanyak 10.000 kali, sambil mencatat jumlah lemparan yang diperlukan untuk mencapai sisi gambar setiap kalinya. Lalu, Anda akan memvisualisasikan hasilnya!
Berikut telah diimpor untuk Anda: seaborn sebagai sns, pandas sebagai pd, modul stats dari SciPy sebagai st, dan matplotlib.pyplot sebagai plt.
Latihan ini adalah bagian dari kursus
Simulasi Monte Carlo di Python
Petunjuk latihan
- Atur
pke probabilitas keberhasilan yang sesuai, di mana keberhasilan didefinisikan sebagai munculnya sisi gambar. - Dengan menggunakan
psebagai probabilitas keberhasilan, ambil sampel dari distribusi geometrikst.geomsebanyak 10.000 kali.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Set p to the appropriate probability of success
p = ____
# Sample from the geometric distribution 10,000 times
samples = ____
samples_dict = {"nums":samples}
sns.histplot(x="nums", data=samples_dict)
plt.show()