この例では、前の章でも登場した np.random.choice() 関数を復習します。配列からサンプリングするための np.random.choice() の複数のバリエーションが与えられています。各バリエーションをよく確認し、コンソールでオプションを試してみてください。出力として ['a', 'c', 'c'] が生成される可能性がある選択肢を選んでください。
np.random.choice()
['a', 'c', 'c']
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章では、シミュレーションを実行するために必要な基礎を身につけます。まずは確率変数と確率分布を復習し、次にシミュレーションのワークフローを学んで、サイコロゲームの文脈で再現してみます。最後に、意思決定にシミュレーションを活用する方法を学びます。
この章では、確率の基礎概念と、データ生成プロセスを手を動かして理解する入門を提供します。いくつかの例を通してデータ生成プロセスのモデリングを学び、最後に eCommerce の広告配信をシミュレーションでモデル化します。
この章では、リサンプリング法とその応用について簡潔に紹介します。ブートストラップ、ジャックナイフ、置換検定を一通り体験します。章を終える頃には、データ分析でシンプルなリサンプリング法を使い始められるようになります。
現在の演習
この章では、現実の課題を解くためのシミュレーションの基礎的・発展的な応用を紹介します。事業計画の課題に取り組み、Monte Carlo Integration、シミュレーションによる検出力（Power）分析を学び、最後に金融ポートフォリオのシミュレーションで締めくくります。章を終える頃には、日常的な問題解決にシミュレーションを活用できる準備が整います。
