Campionare da una distribuzione geometrica
Eva ha una moneta truccata che dà testa solo nel 20% dei casi. Eva lancia la sua moneta e annota il numero di lanci necessari per ottenere testa.
La distribuzione geometrica è perfetta per modellare il numero di lanci necessari per ottenere testa, con il tasso di successo p definito come la probabilità di ottenere testa a ogni lancio.
Il tuo compito è usare la distribuzione geometrica per simulare i lanci della moneta di Eva fino a ottenere testa 10.000 volte, registrando ogni volta il numero di lanci necessari per arrivare a testa. Poi visualizzerai i risultati!
Sono già stati importati per te: seaborn come sns, pandas come pd, il modulo stats di SciPy come st e matplotlib.pyplot come plt.
Questo esercizio fa parte del corso
Simulazioni Monte Carlo in Python
Istruzioni dell'esercizio
- Imposta
psulla probabilità di successo corretta, dove successo significa ottenere testa. - Usando
pcome probabilità di successo, campiona dalla distribuzione geometricast.geomper 10.000 volte.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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()