Rijexamen
In de volgende oefeningen leer je hoe je een data generating process (DGP) opbouwt met steeds wat complexere voorbeelden.
In deze oefening simuleer je een heel eenvoudige DGP. Stel dat je morgen rijexamen doet. Op basis van je eigen oefening en verzamelde gegevens weet je dat de kans dat je slaagt 90% is als het zonnig is en maar 30% als het regent. Het lokale weerstation voorspelt 40% kans op regen voor morgen. Op basis van deze informatie wil je weten wat de kans is dat je morgen voor het rijexamen slaagt.
Dit is een eenvoudig probleem en kan analytisch worden opgelost. Hier leer je hoe je een simpele DGP modelleert en ziet hoe je die kunt gebruiken voor simulatie.
Deze oefening maakt deel uit van de cursus
Statisticale simulatie in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
sims, outcomes, p_rain, p_pass = 1000, [], 0.40, {'sun':0.9, 'rain':0.3}
def test_outcome(p_rain):
# Simulate whether it will rain or not
weather = np.random.choice(['rain', 'sun'], p=[____])
# Simulate and return whether you will pass or fail
test_result = np.random.choice(['pass', 'fail'], p=[____])
return test_result