การสอบใบขับขี่
ในแบบฝึกหัดชุดต่อไปนี้ เราจะเรียนรู้วิธีสร้างกระบวนการสร้างข้อมูล (Data Generating Process หรือ DGP) ผ่านตัวอย่างที่ซับซ้อนขึ้นเรื่อย ๆ
ในแบบฝึกหัดนี้ จะได้จำลอง DGP แบบง่าย สมมติว่าพรุ่งนี้คุณกำลังจะสอบใบขับขี่ จากการฝึกซ้อมและข้อมูลที่รวบรวมมา คุณทราบว่าโอกาสสอบผ่านอยู่ที่ 90% เมื่อฟ้าแจ้ง และเพียง 30% เมื่อฝนตก สถานีพยากรณ์อากาศในพื้นที่คาดการณ์ว่าพรุ่งนี้มีโอกาสฝนตก 40% จากข้อมูลนี้ คุณต้องการทราบว่าโอกาสที่จะสอบผ่านใบขับขี่พรุ่งนี้คือเท่าไร
ปัญหานี้ไม่ซับซ้อนและสามารถแก้ได้ด้วยการคำนวณเชิงวิเคราะห์ แต่ที่นี่เราจะฝึกสร้างแบบจำลอง DGP อย่างง่าย และดูว่าสามารถนำไปใช้กับการจำลองได้อย่างไร
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การจำลองทางสถิติด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
sims, outcomes, p_rain, p_pass = 1000, [], 0.40, {'sun':0.9, 'rain':0.3}
def test_outcome(p_rain):
# Simulate whether it will rain or not
weather = np.random.choice(['rain', 'sun'], p=[____])
# Simulate and return whether you will pass or fail
test_result = np.random.choice(['pass', 'fail'], p=[____])
return test_result