Steekproefgemiddelden volgen een normale verdeling
In de vorige oefening hebben we een populatie gegenereerd die een binomiale verdeling volgt, 20 willekeurige steekproeven uit de populatie getrokken en het steekproefgemiddelde berekend. Nu gaan we andere kansverdelingen testen om de vorm van de steekproefgemiddelden te bekijken.
Uit de scipy.stats-bibliotheek hebben we de objecten poisson en geom en de functie describe() geladen. We hebben ook matplotlib.pyplot als plt en numpy als np geïmporteerd.
Je zult zien dat de vorm van de verdeling van de gemiddelden hetzelfde is, ook al zijn de steekproeven uit verschillende verdelingen gegenereerd.
Deze oefening maakt deel uit van de cursus
Basis van kansrekening in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Generate the population
population = geom.rvs(p=0.5, size=1000)
# Create list for sample means
sample_means = []
for _ in range(3000):
# Take 20 values from the population
sample = np.random.choice(population, ____)
# Calculate the sample mean
sample_means.append(describe(____).____)
# Plot the histogram
plt.____(sample_means)
plt.show()