Оценка подгонки распределения для переменной ldl

В этом упражнении вы сосредоточитесь на одной переменной из набора данных о диабете dia — сыворотке крови ldl. Вы определите, по-прежнему ли нормальное распределение является подходящим выбором для ldl, используя дополнительную информацию, которую даёт критерий Колмогорова–Смирнова.

DataFrame dia уже загружен. Также импортированы следующие библиотеки: pandas как pd, numpy как np и scipy.stats как st.

Это упражнение является частью курса

Симуляции Монте-Карло на Python

Посмотреть курс

Инструкции к упражнению

Определите список list_of_dists, содержащий распределения-кандидаты: Лапласа, нормальное и экспоненциальное (именно в таком порядке); используйте правильные названия из scipy.stats.
Внутри цикла подгоните данные к соответствующему вероятностному распределению и сохраните результат в переменную param.
Выполните критерий Колмогорова–Смирнова для оценки качества подгонки и сохраните результаты в переменную result.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# List candidate distributions to evaluate
list_of_dists = [____]
for i in list_of_dists:
    dist = getattr(st, i)
    # Fit the data to the probability distribution
    param = dist.____
    # Perform the ks test to evaluate goodness-of-fit
    result = ____
    print(result)

Редактировать и запускать код