1. 学ぶ
    2. /
  2. コース
    3. /
  3. Python으로 하는 Statistical Thinking (파트 1)
Connected

演習

이항 분포와 포아송 분포의 관계

포아송 분포가 드문 사건에 대한 이항 분포의 극한이라고 방금 들으셨을 거예요. 스토리 관점에서 생각해 보면 이해가 됩니다. 예를 들어, 한 시간 동안 매 분마다 베르누이 시행을 하고 각 시행의 성공 확률이 0.1이라고 해봅시다. 총 60번 시행하며, 성공 횟수는 이항 분포를 따르고 기대값은 대략 6입니다. 이는 영상에서 다룬 포아송 스토리와 같아서, 웹사이트에 한 시간당 평균 6번 접속이 발생하는 상황이죠. 따라서 도착률이 $np$인 포아송 분포는 성공 확률이 $p$인 베르누이 시행을 $n$번 했을 때의 이항 분포를 근사합니다($n$이 크고 $p$가 작을 때). 중요한 점은, 포아송 분포는 매개변수가 이항 분포의 두 개 대신 하나뿐이라서 다루기 더 간단한 경우가 많다는 것입니다.

이 두 분포를 계산으로 탐구해 보겠습니다. 먼저, 도착률이 10인 포아송 분포에서 추출한 표본의 평균과 표준편차를 계산하세요. 그다음, $np = 10$이 되도록 선택한 매개변수 $n$과 $p$를 갖는 이항 분포 표본의 평균과 표준편차를 계산하세요.

指示

100 XP
  • rng.poisson() 함수를 사용해 평균이 10인 포아송 분포에서 10000개의 표본을 추출하세요.
  • 이항 분포에 사용할 n과 p 값을 리스트로 만드세요. $np$가 항상 10이 되도록 n = [20, 100, 1000], p = [0.5, 0.1, 0.01]를 선택하세요.
  • 제공된 for 루프 안에서 rng.binomial()을 사용해 각 n, p 쌍에 대해 이항 분포에서 10000개의 표본을 추출하고, 표본의 평균과 표준편차를 출력하세요. n, p 쌍은 3개이며 각각 20, 0.5, 100, 0.1, 1000, 0.01입니다. 루프 안에서는 이를 n[i], p[i]로 접근할 수 있습니다.