Wypróbuj inne rozkłady kandydujące

Odpowiedni dobór rozkładów prawdopodobieństwa dla danych wejściowych jest kluczowy podczas przeprowadzania symulacji Monte Carlo. W filmie oceniono trzy rozkłady, aby wybrać ten, który najlepiej pasuje do zmiennej age. Były to rozkłady Laplace'a, normalny i wykładniczy. Najlepsze dopasowanie uzyskał rozkład normalny.

W tym ćwiczeniu sprawdzisz, czy uda ci się znaleźć rozkład lepiej dopasowany niż normalny! Ocenisz dopasowanie rozkładów: jednostajnego, normalnego i wykładniczego. Zbiór danych dotyczących cukrzycy został wczytany jako ramka danych dia. Czy rozkład normalny nadal okaże się najlepszy?

Następujące biblioteki zostały już zaimportowane: pandas jako pd, scipy.stats jako st oraz numpy jako np.

To ćwiczenie jest częścią kursu

Symulacje Monte Carlo w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Użyj .fit(), aby dopasować rozkład do danych z kolumny age, a następnie użyj .nnlf(), aby uzyskać wartość estymacji największej wiarygodności (MLE) dla dopasowania.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

distributions = [st.uniform, st.norm, st.expon]
mles = []
for distribution in distributions:
    # Fit the distribution and obtain the MLE value
    pars = distribution.____
    mle = distribution.____
    mles.append(mle)
print(mles)

Edytuj i uruchom kod