Ändra standardavvikelsen för normalfördelningar
Du fortsätter att utforska längden hos amerikanska vuxna män, som du nu vet är normalfördelade med ett medelvärde på 177 centimeter och en standardavvikelse på åtta centimeter.
I den här övningen samplar du återigen från en normalfördelning och beräknar 95-procentigt konfidensintervall för genomsnittslängden. Den här gången ändrar du dock standardavvikelsen till 15 utan att ändra medelvärdet. Du får se vad som händer med medelvärdet och konfidensintervallet för genomsnittslängden när du upprepar samplingen!
Följande har importerats åt dig: random, NumPy som np och SciPys modul stats som st.
Den här övningen är en del av kursen
Monte Carlo-simuleringar i Python
Övningsinstruktioner
- Sampla 1 000 gånger från normalfördelningen där medelvärdet är 177 och standardavvikelsen är 15; lagra resultaten i
heights_177_15.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
random.seed(1231)
heights_177_8 = st.norm.rvs(loc=177, scale=8, size=1000)
print(np.mean(heights_177_8))
upper = np.quantile(heights_177_8, 0.975)
lower = np.quantile(heights_177_8, 0.025)
print([lower, upper])
# Sample 1,000 times from the normal distribution where the standard deviation is 15
heights_177_15 = ____
print(np.mean(heights_177_15))
upper = np.quantile(heights_177_15, 0.975)
lower = np.quantile(heights_177_15, 0.025)
print([lower, upper])