Experimente outras distribuições candidatas
A escolha adequada das distribuições de probabilidade de entrada é fundamental para a realização de simulações de Monte Carlo. No vídeo, três distribuições foram avaliadas para determinar qual era a mais adequada para a variável age. Essas distribuições foram as distribuições de Laplace, normal e exponencial. A distribuição normal foi a que melhor se ajustou.
Neste exercício, você verá se consegue encontrar uma distribuição que melhore o ajuste da distribuição normal! Você avaliará o ajuste de distribuições uniformes, normais e exponenciais. O conjunto de dados do diabetes foi carregado como um DataFrame, dia. A distribuição normal ainda será a melhor?
As seguintes bibliotecas 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 de exercício
- Use
.fit()para ajustar uma distribuição aos dados deage; em seguida, use.nnlf()para obter o valor da estimativa de máxima verossimilhança (MLE) do ajuste.
Exercício interativo prático
Experimente este exercício preenchendo 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)