Sampling med återläggning

I det här exemplet går du igenom funktionen np.random.choice() som du redan sett i tidigare kapitel. Du får flera varianter av np.random.choice() för sampling från arrayer. Studera varje variant noggrant och testa alternativen i konsolen. Välj det alternativ som kan generera ['a', 'c', 'c'] som utdata.

Den här övningen är en del av kursen

Statistisk simulering i Python

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen

Den här övningen är en del av kursen

Statistisk simulering i Python

SkillTag.level.intermediateSkillTag.label

4.9+

Starta kursen gratis

Det här kapitlet ger dig de verktyg som krävs för att köra en simulering. Vi börjar med en genomgång av slumpvariabler och sannolikhetsfördelningar. Sedan lär vi oss hur man kör en simulering – först genom att titta på ett simuleringsflöde och sedan återskapa det i samband med ett tärningsspel. Avslutningsvis lär vi oss hur simuleringar kan användas för att fatta beslut.

Exercise 1: Introduktion till slumpvariabler Exercise 2: np.random.choice()Exercise 3: Poissonfördelad slumpvariabel Exercise 4: Blanda en kortlek Exercise 5: Grunderna i simulering Exercise 6: Kasta en rättvis tärning Exercise 7: Kasta två rättvisa tärningar Exercise 8: Simulera tärningsspelet Exercise 9: Använda simulering för beslutsfattande Exercise 10: Simulera ett lotteridrag Exercise 11: Ska vi köpa?Exercise 12: Beräkna ett lotteris break-even-pris

Det här kapitlet ger en grundläggande introduktion till sannolikhetsteori och en praktisk förståelse för hur data genereras. Vi tittar på flera exempel på modellering av datageneringsprocessen och avslutar med att modellera en reklamsimulerning för e-handel.

Exercise 1: Grundläggande sannolikhetslära Exercise 2: Dam och spader Exercise 3: Ett par Exercise 4: Trettonspelet Exercise 5: Fler sannolikhetskoncept Exercise 6: Det villkorliga urnet Exercise 7: Födelsedagsproblemet Exercise 8: Kåk Exercise 9: Datagenerationsprocess Exercise 10: Körprov Exercise 11: Nationella val Exercise 12: Träningsmål Exercise 13: eCommerce-annonssimulerng Exercise 14: Registreringsflöde Exercise 15: Köpflöde Exercise 16: Sannolikheten att gå med förlust

I det här kapitlet får du en kort introduktion till resamplingmetoder och deras tillämpningar. Vi bekantar oss med bootstrapresampling, jackkniferesampling och permutationstest. Efter att ha slutfört kapitlet kan du börja tillämpa enkla resamplingmetoder för dataanalys.

Exercise 1: Introduktion till resamplingmetoder Exercise 2: Sampling med återläggning

Aktuell övning

Exercise 3: Sannolikhetsexempel Exercise 4: Bootstrapping Exercise 5: Kör ett enkelt bootstrap Exercise 6: Icke-standardiserade skattningar Exercise 7: Bootstrapping av regression Exercise 8: Jackknife-resampling Exercise 9: Grundläggande jackknife-skattning – medelvärde Exercise 10: Jackknife-konfidensintervall för medianen Exercise 11: Permutationstest Exercise 12: Generera en enskild permutation Exercise 13: Hypotestestning – skillnad i medelvärden Exercise 14: Hypotestestning – icke-standardiserade statistiska mått

I det här kapitlet introduceras du till grundläggande och avancerade tillämpningar av simulering för att lösa verkliga problem. Vi arbetar igenom ett affärsplaneringsproblem, lär oss om Monte Carlo-integration, effektanalys med simulering och avslutar med en finansiell portföljsimulering. Efter att ha slutfört kapitlet är du redo att använda simulering för att lösa vardagliga problem.

Exercise 1: Simulering för affärsplanering Exercise 2: Modellera majsproduktion Exercise 3: Modellera vinster Exercise 4: Optimera kostnader Exercise 5: Monte Carlo-integration Exercise 6: Integrera en enkel funktion Exercise 7: Beräkna värdet av pi Exercise 8: Simulering för styrkeanalys Exercise 9: Faktorer som påverkar statistisk styrka Exercise 10: Styrkeanalys – del I Exercise 11: Styrkeanalys – del II Exercise 12: Tillämpningar inom finans Exercise 13: Portföljsimulering – Del I Exercise 14: Portföljsimulering – del II Exercise 15: Portföljsimulering – del III Exercise 16: Avslutning