Выборка из дискретного равномерного распределения
У Тома есть обычный шестигранный кубик с числами от одного до шести. В этом упражнении вы воспользуетесь дискретным равномерным распределением — оно идеально подходит для генерации целочисленных значений с равномерным распределением — чтобы смоделировать 1000 бросков кубика. Затем вы визуализируете результаты!
Следующие библиотеки уже импортированы: seaborn как sns, scipy.stats как st и matplotlib.pyplot как plt.
Это упражнение является частью курса
Симуляции Монте-Карло на Python
Инструкции к упражнению
- Задайте значения
lowиhighдля использования в.rvs()на следующем шаге; распределение должно равномерно включать целые значения от одного (минимально возможный результат броска) до шести (максимально возможный результат броска). - Выполните 1000 выборок из дискретного равномерного распределения, представленного
st.randint, с целыми значениями от одного до шести.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Define low and high for use in rvs sampling below
low = ____
high = ____
# Sample 1,000 times from the discrete uniform distribution
samples = ____
samples_dict = {'nums':samples}
sns.histplot(x='nums', data=samples_dict, bins=6, binwidth=0.3)
plt.show()