Experimente outras distribuições candidatas
Escolher bem as distribuições de probabilidade de entrada é essencial para realizar simulações de Monte Carlo. No vídeo, três distribuições foram avaliadas para determinar qual se ajustava melhor à variável age: Laplace, normal e exponencial. A distribuição normal foi a que melhor se ajustou.
Neste exercício, você vai verificar se consegue encontrar uma distribuição que melhore o ajuste em relação à normal! Você vai avaliar o ajuste das distribuições uniforme, normal e exponencial. O conjunto de dados de diabetes foi carregado como um DataFrame, dia. Será que a distribuição normal continuará sendo a melhor?
As seguintes bibliotecas já foram importadas para você: pandas como pd, scipy.stats como st e numpy como np.
Este exercício faz parte do curso
Simulações de Monte Carlo em Python
Instruções do exercício
- Use
.fit()para ajustar uma distribuição aos dados deage; depois use.nnlf()para obter o valor de Máxima Verossimilhança (MLE) do ajuste.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
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)