Kom igångKom igång gratis

Poissonfördelad slumpvariabel

Modulen numpy.random innehåller ett antal användbara sannolikhetsfördelningar för både diskreta och kontinuerliga slumpvariabler. I den här övningen lär du dig hur man drar sampel från en sannolikhetsfördelning.

Du kommer framför allt att dra sampel från en viktig diskret sannolikhetsfördelning – Poissonfördelningen – som vanligtvis används för att modellera den genomsnittliga frekvensen med vilken händelser inträffar.

När du har genomfört övningen kan du tillämpa samma steg på valfri sannolikhetsfördelning i numpy.random. Du kommer också att se hur sampelmedelvärdet förändras när vi drar fler sampel från en fördelning.

Den här övningen är en del av kursen

Statistisk simulering i Python

Visa kurs

Övningsinstruktioner

  • Dra sampel från en Poissonfördelning med np.random.poisson() och använd lam (lambda) samt size_1.
  • Upprepa steget ovan, men använd den här gången size_2.
  • Beräkna den absoluta skillnaden mellan medelvärdet och lambda för varje sampel med hjälp av np.mean() och abs().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Initialize seed and parameters
np.random.seed(123) 
lam, size_1, size_2 = 5, 3, 1000  

# Draw samples & calculate absolute difference between lambda and sample mean
samples_1 = np.random.poisson(____, ____)
samples_2 = np.random.poisson(____, ____)
answer_1 = abs(____)
answer_2 = abs(____) 

print("|Lambda - sample mean| with {} samples is {} and with {} samples is {}. ".format(size_1, answer_1, size_2, answer_2))
Redigera och kör kod