Проверка других распределений-кандидатов
Правильный выбор входных вероятностных распределений — ключевой шаг при проведении симуляций методом Монте-Карло. В видео были рассмотрены три распределения-кандидата для переменной age: распределение Лапласа, нормальное и экспоненциальное. Лучшим по качеству подгонки оказалось нормальное распределение.
В этом упражнении вам предстоит выяснить, можно ли найти распределение, которое подходит лучше нормального. Вы оцените качество подгонки равномерного, нормального и экспоненциального распределений. Набор данных о диабете загружен в DataFrame dia. Останется ли нормальное распределение наилучшим?
Следующие библиотеки уже импортированы: pandas как pd, scipy.stats как st и numpy как np.
Это упражнение является частью курса
Симуляции Монте-Карло на Python
Инструкции к упражнению
- Используйте
.fit(), чтобы подогнать распределение к данным столбцаage, а затем примените.nnlf()для получения значения метода максимального правдоподобия (MLE).
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
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)