Distribuzione normale
Passiamo alla distribuzione più riconoscibile e utile: la distribuzione normale o gaussiana. Nelle diapositive abbiamo accennato alla forma a campana e a come la distribuzione normale, insieme al teorema del limite centrale, ci permette di eseguire test d’ipotesi.
Come nei precedenti esercizi, qui inizierai simulando dei dati ed esaminandone la distribuzione, poi andrai un po’ più a fondo e valuterai la probabilità che si verifichino certe osservazioni.
Questo esercizio fa parte del corso
Esercitarsi con le domande di statistica per i colloqui in Python
Istruzioni dell'esercizio
- Genera i dati per la distribuzione usando la funzione
rvs()con size impostata a 1000; assegnali alla variabiledata. - Visualizza un istogramma con
matplotlib; osserva la forma della distribuzione. - Data una distribuzione normale standardizzata, qual è la probabilità di un’osservazione maggiore di 2?
- Guardando il nostro campione, qual è la probabilità di un’osservazione maggiore di 2?
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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(____)