IniziaInizia gratis

Variabile casuale di Poisson

Il modulo numpy.random include diverse distribuzioni di probabilità utili, sia per variabili casuali discrete sia continue. In questo esercizio imparerai a estrarre campioni da una distribuzione di probabilità.

In particolare, estrarrai campioni da una distribuzione discreta molto importante: la distribuzione di Poisson, tipicamente usata per modellare il tasso medio con cui si verificano gli eventi.

Al termine dell’esercizio, dovresti saper applicare questi passaggi a qualsiasi distribuzione presente in numpy.random. Inoltre, vedrai come la media campionaria cambia man mano che estraiamo più campioni da una distribuzione.

Questo esercizio fa parte del corso

Simulazione statistica in Python

Visualizza il corso

Istruzioni dell'esercizio

  • Usando np.random.poisson(), estrai campioni da una distribuzione di Poisson utilizzando lam (lambda) e size_1.
  • Ripeti il passaggio precedente, ma questa volta usa size_2.
  • Per ciascuno dei campioni sopra, calcola la differenza assoluta tra la loro media e lambda usando np.mean() e abs().

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Initialize seed and parameters
np.random.seed(123) 
lam, size_1, size_2 = 5, 3, 1000  

# Draw samples & calculate absolute difference between lambda and sample mean
samples_1 = np.random.poisson(____, ____)
samples_2 = np.random.poisson(____, ____)
answer_1 = abs(____)
answer_2 = abs(____) 

print("|Lambda - sample mean| with {} samples is {} and with {} samples is {}. ".format(size_1, answer_1, size_2, answer_2))
Modifica ed esegui il codice