ポアソン確率変数
numpy.random モジュールには、離散・連続の両方の確率変数に対して便利な確率分布が多数用意されています。この演習では、確率分布からサンプルを生成する方法を学びます。
とくに、イベントが発生する平均的な回数（率）をモデル化するのによく使われる、非常に重要な離散分布であるポアソン分布からサンプルを引きます。
この演習の手順は、numpy.random にある他のあらゆる確率分布にも応用できます。さらに、分布からより多くのサンプルを引くと標本平均がどのように変化するかも確認します。
この演習はコースの一部です
Pythonで学ぶ統計シミュレーション
演習の手順
np.random.poisson()を使って、lam（lambda）とsize_1を用い、ポアソン分布からサンプルを生成します。- 上記の手順を
size_2を使って繰り返します。 - それぞれのサンプルについて、
np.mean()とabs()を使って、平均と lambda の絶対差を計算します。
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。
# 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))