НачатьНачать бесплатно

Соответствуют ли данные нашей модели?

Вы смоделировали матчи без хитов с помощью показательного распределения. Постройте ECDF на основе реальных данных и наложите на него теоретическую CDF. Это позволит убедиться, что показательное распределение хорошо описывает наблюдаемые данные.

Возможно, вам будет полезно вспомнить функцию, созданную в предыдущем курсе для вычисления ECDF, а также код для её визуализации.

Это упражнение является частью курса

Статистическое мышление на Python (часть 2)

Посмотреть курс

Инструкции к упражнению

  • Вычислите ECDF по реальным данным о времени между матчами без хитов (nohitter_times). Используйте функцию ecdf(), написанную в предыдущем курсе.
  • Постройте CDF по теоретическим выборкам из прошлого упражнения (inter_nohitter_time).
  • Отобразите x_theor и y_theor в виде линии с помощью plt.plot(). Затем наложите ECDF реальных данных x и y в виде точек — для этого дополнительно укажите именованные аргументы marker = '.' и linestyle = 'none' внутри plt.plot().
  • Задайте отступ 2% по краям графика.
  • Отобразите график.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Create an ECDF from real data: x, y
x, y = ____

# Create a CDF from theoretical samples: x_theor, y_theor
x_theor, y_theor = ____

# Overlay the plots
plt.plot(____, ____)
plt.plot(____, ____, marker=____, linestyle=____)

# Margins and axis labels
plt.margins(____)
plt.xlabel('Games between no-hitters')
plt.ylabel('CDF')

# Show the plot
plt.show()
Редактировать и запускать код