Poisson-toevalsvariabele
De module numpy.random bevat ook een aantal handige kansverdelingen voor zowel discrete als continue toevalsvariabelen. In deze oefening leer je hoe je steekproeven trekt uit een kansverdeling.
Specifiek ga je steekproeven trekken uit een heel belangrijke discrete kansverdeling: de Poissonverdeling, die meestal wordt gebruikt om het gemiddelde tempo (rate) te modelleren waarmee gebeurtenissen plaatsvinden.
Na deze oefening kun je deze stappen toepassen op elke kansverdeling in numpy.random. Daarnaast zie je ook hoe het steekproefgemiddelde verandert naarmate je meer steekproeven uit een verdeling trekt.
Deze oefening maakt deel uit van de cursus
Statisticale simulatie in Python
Oefeninstructies
- Gebruik
np.random.poisson()om steekproeven te trekken uit een Poissonverdeling metlam(lambda) ensize_1. - Herhaal de bovenstaande stap, maar gebruik dit keer
size_2. - Bereken voor elk van de bovenstaande steekproeven het absolute verschil tussen hun gemiddelde en lambda met
np.mean()enabs().
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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))