ตัวแปรสุ่มแบบ Poisson

โมดูล numpy.random มีการแจกแจงความน่าจะเป็นที่มีประโยชน์หลายรูปแบบ ทั้งสำหรับตัวแปรสุ่มแบบไม่ต่อเนื่องและแบบต่อเนื่อง ในแบบฝึกหัดนี้ จะได้เรียนรู้วิธีดึงตัวอย่างจากการแจกแจงความน่าจะเป็น

โดยเฉพาะอย่างยิ่ง จะได้ดึงตัวอย่างจากการแจกแจงความน่าจะเป็นแบบไม่ต่อเนื่องที่สำคัญมาก นั่นคือ การแจกแจงแบบ Poisson ซึ่งมักใช้สำหรับจำลองอัตราเฉลี่ยของการเกิดเหตุการณ์ต่าง ๆ

หลังจากทำแบบฝึกหัดนี้แล้ว จะสามารถนำขั้นตอนเหล่านี้ไปใช้กับการแจกแจงความน่าจะเป็นรูปแบบอื่น ๆ ใน numpy.random ได้ นอกจากนี้ยังจะได้เห็นว่าค่าเฉลี่ยของตัวอย่างเปลี่ยนแปลงไปอย่างไรเมื่อดึงตัวอย่างจากการแจกแจงมากขึ้น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจำลองทางสถิติด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

ใช้ np.random.poisson() เพื่อดึงตัวอย่างจากการแจกแจงแบบ Poisson โดยใช้ lam (lambda) และ size_1
ทำซ้ำขั้นตอนข้างต้น แต่คราวนี้ใช้ size_2 แทน
สำหรับตัวอย่างทั้งสองชุด ให้คำนวณค่าความแตกต่างสัมบูรณ์ระหว่างค่าเฉลี่ยของตัวอย่างกับ lambda โดยใช้ np.mean() และ abs()

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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))

แก้ไขและรันโค้ด