Egzamin na prawo jazdy
W kolejnych ćwiczeniach nauczysz się budować proces generowania danych (DGP) na stopniowo bardziej złożonych przykładach.
W tym ćwiczeniu zasymulujemy bardzo prosty DGP. Załóżmy, że jutro czeka cię egzamin na prawo jazdy. Na podstawie własnych przygotowań i zebranych danych wiesz, że prawdopodobieństwo zdania egzaminu wynosi 90% przy słonecznej pogodzie i tylko 30% przy deszczu. Lokalna stacja meteorologiczna prognozuje 40% szans na deszcz jutro. Na podstawie tych informacji chcesz sprawdzić, jakie jest prawdopodobieństwo zdania egzaminu jutro.
To prosty problem, który można rozwiązać analitycznie. Tutaj nauczysz się modelować prosty DGP i zobaczysz, jak można go wykorzystać do symulacji.
To ćwiczenie jest częścią kursu
Symulacje statystyczne w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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