Urval från en geometrisk fördelning
Eva har ett ojust mynt som landar med krona uppåt bara 20 % av gångerna. Eva kastar myntet och registrerar hur många kast som behövs för att få krona.
Den geometriska fördelningen lämpar sig perfekt för att modellera antalet kast som krävs för att få krona, där framgångssannolikheten p definieras som sannolikheten att få krona vid varje kast.
Din uppgift är att använda den geometriska fördelningen för att simulera Evas myntkast till krona 10 000 gånger och registrera antalet kast som behövs varje gång. Sedan visualiserar du resultaten!
Följande har importerats åt dig: seaborn som sns, pandas som pd, SciPy:s stats-modul som st och matplotlib.pyplot som plt.
Den här övningen är en del av kursen
Monte Carlo-simuleringar i Python
Övningsinstruktioner
- Sätt
ptill lämplig framgångssannolikhet, där ett lyckat utfall definieras som att myntet landar med krona uppåt. - Använd
psom framgångssannolikhet och ta 10 000 urval från den geometriska fördelningenst.geom.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Set p to the appropriate probability of success
p = ____
# Sample from the geometric distribution 10,000 times
samples = ____
samples_dict = {"nums":samples}
sns.histplot(x="nums", data=samples_dict)
plt.show()