Нормальное распределение
Перейдём к самому узнаваемому и полезному распределению: нормальному, или гауссовому. На слайдах мы кратко рассмотрели форму колоколообразной кривой и то, как нормальное распределение совместно с центральной предельной теоремой позволяет проводить проверку гипотез.
Как и в предыдущих упражнениях, вы начнёте с моделирования данных и анализа распределения, а затем углубитесь в изучение вероятности возникновения определённых наблюдений.
Это упражнение является частью курса
Практика статистических вопросов для собеседований на Python
Инструкции к упражнению
- Сгенерируйте данные для распределения с помощью функции
rvs(), задав размер выборки 1000, и присвойте результат переменнойdata. - Постройте гистограмму с помощью
matplotlibи изучите форму распределения. - При стандартном нормальном распределении чему равна вероятность наблюдения, превышающего 2?
- Чему равна вероятность наблюдения, превышающего 2, в нашей выборке?
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Generate normal data
from scipy.stats import norm
data = norm.rvs(size=____)
# Plot distribution
plt.hist(____)
plt.show()
# Compute and print true probability for greater than 2
true_prob = 1 - norm.cdf(____)
print(____)
# Compute and print sample probability for greater than 2
sample_prob = sum(obs > ____ for obs in data) / len(____)
print(____)