幾何分布からのサンプリング
Eva は偏ったコインを持っており、表が出る確率は 20% しかありません。Eva はコインを投げ、表が出るまでに必要な投擲回数を記録します。
幾何分布は、表が出るまでに必要な投擲回数を表現するのに最適です。成功率 p は、各投擲で表が出る確率として定義します。
あなたのタスクは、幾何分布を使って Eva のコイン投げをシミュレーションし、表が出るまでに必要な回数を、表に到達する試行を 10,000 回ぶん記録することです。その後、結果を可視化します！
次のライブラリはすでにインポート済みです：seaborn は sns、pandas は pd、SciPy の stats モジュールは st、そして matplotlib.pyplot は plt。
この演習はコースの一部です
Pythonで学ぶモンテカルロ・シミュレーション
演習の手順
- 成功（表が出ること）に対応する適切な成功確率として
pを設定します。 - 成功確率
pを用いて、幾何分布st.geomから 10,000 回サンプリングします。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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()