Steekproeven uit een geometrische verdeling
Eva heeft een oneerlijke munt die maar 20% kans heeft om kop te landen. Eva gooit haar munt en noteert het aantal worpen dat nodig is om kop te krijgen.
De geometrische verdeling is ideaal om het aantal worpen te modelleren dat nodig is om kop te krijgen, waarbij het slagingspercentage p is gedefinieerd als de kans op kop per worp.
Jouw taak is om met de geometrische verdeling Eva’s muntworpen te simuleren totdat je 10.000 keer kop bereikt, en telkens het aantal benodigde worpen te registreren. Daarna visualiseer je de resultaten!
Het volgende is al voor je geïmporteerd: seaborn als sns, pandas als pd, het stats-module van SciPy als st, en matplotlib.pyplot als plt.
Deze oefening maakt deel uit van de cursus
Monte Carlo-simulaties in Python
Oefeninstructies
- Stel
pin op de juiste kans op succes, waarbij succes is gedefinieerd als kop gooien. - Gebruik
pals kans op succes en neem 10.000 steekproeven uit de geometrische verdelingst.geom.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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()