Distribusi normal
Berlanjut ke distribusi yang paling dikenal dan berguna: distribusi normal atau Gaussian. Dalam slide, kita menyinggung sekilas bentuk kurva lonceng dan bagaimana distribusi normal bersama teorema limit pusat memungkinkan kita melakukan uji hipotesis.
Serupa dengan latihan sebelumnya, di sini Anda akan mulai dengan mensimulasikan beberapa data dan menelaah distribusinya, lalu menggali sedikit lebih dalam untuk menilai peluang terjadinya pengamatan tertentu.
Latihan ini adalah bagian dari kursus
Berlatih Pertanyaan Wawancara Statistik dengan Python
Petunjuk latihan
- Hasilkan data untuk distribusi dengan menggunakan fungsi
rvs()dengan ukuran (size) 1000; tetapkan ke variabeldata. - Tampilkan histogram
matplotlib; periksa bentuk distribusinya. - Diberikan distribusi normal terstandarisasi, berapa peluang pengamatan yang lebih besar dari 2?
- Melihat pada sampel kita, berapa peluang pengamatan yang lebih besar dari 2?
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Generate normal data
from scipy.stats import norm
data = norm.rvs(size=____)
# Plot distribution
plt.hist(____)
plt.show()
# Compute and print true probability for greater than 2
true_prob = 1 - norm.cdf(____)
print(____)
# Compute and print sample probability for greater than 2
sample_prob = sum(obs > ____ for obs in data) / len(____)
print(____)