Подчиняются ли результаты Белмонт Стейкс нормальному распределению?

С 1926 года Белмонт Стейкс — это скачки на 1,5 мили для трёхлетних чистокровных лошадей. Секретариат показал рекордный результат в 1973 году. Тот год стал самым быстрым, а 1970-й — самым медленным из-за необычно дождливых и грязных условий на трассе. Исключив эти два выброса из набора данных, вычислите среднее значение и стандартное отклонение времён победителей Белмонта. Возьмите выборку из нормального распределения с этим средним и стандартным отклонением, используя функцию rng.normal(), и постройте CDF. Наложите на него ECDF времён победителей Белмонта. Насколько близко это распределение к нормальному?

Примечание: данные о Белмонт Стейкс взяты Джастином со страницы Белмонта в Википедии.

Это упражнение является частью курса

Статистическое мышление на Python (часть 1)

Посмотреть курс

Инструкции к упражнению

Вычислите среднее значение и стандартное отклонение времён победителей Белмонта без двух выбросов. Эти данные содержатся в массиве NumPy belmont_no_outliers.
С помощью rng.normal() возьмите 10 000 выборок из нормального распределения с вычисленными средним и стандартным отклонением.
Вычислите CDF теоретических выборок и ECDF данных победителей Белмонта, присвоив результаты переменным x_theor, y_theor и x, y соответственно.
Нажмите «Отправить ответ», чтобы построить CDF вашей выборки вместе с ECDF, подписать оси и отобразить график.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Compute mean and standard deviation: mu, sigma



# Sample out of a normal distribution with this mu and sigma: samples


# Get the CDF of the samples and of the data



# Plot the CDFs and show the plot
_ = plt.plot(x_theor, y_theor)
_ = plt.plot(x, y, marker='.', linestyle='none')
_ = plt.xlabel('Belmont winning time (sec.)')
_ = plt.ylabel('CDF')
plt.show()

Редактировать и запускать код