ComeçarComece de graça

Variável aleatória de Poisson

O módulo numpy.random também tem várias distribuições de probabilidade úteis para variáveis aleatórias discretas e contínuas. Neste exercício, você vai aprender a gerar amostras a partir de uma distribuição de probabilidade.

Em particular, você vai gerar amostras de uma distribuição discreta muito importante, a distribuição de Poisson, que é tipicamente usada para modelar a taxa média na qual eventos ocorrem.

Depois deste exercício, você deve conseguir aplicar esses passos a qualquer uma das distribuições de probabilidade disponíveis em numpy.random. Além disso, você também verá como a média amostral muda à medida que geramos mais amostras de uma distribuição.

Este exercício faz parte do curso

Simulação Estatística em Python

Ver curso

Instruções do exercício

  • Usando np.random.poisson(), gere amostras de uma distribuição de Poisson usando lam (lambda) e size_1.
  • Repita o passo acima, mas desta vez use size_2.
  • Para cada uma das amostras acima, calcule a diferença absoluta entre sua média e lambda usando np.mean() e abs().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Initialize seed and parameters
np.random.seed(123) 
lam, size_1, size_2 = 5, 3, 1000  

# Draw samples & calculate absolute difference between lambda and sample mean
samples_1 = np.random.poisson(____, ____)
samples_2 = np.random.poisson(____, ____)
answer_1 = abs(____)
answer_2 = abs(____) 

print("|Lambda - sample mean| with {} samples is {} and with {} samples is {}. ".format(size_1, answer_1, size_2, answer_2))
Editar e executar o código