PDF แบบปกติ
ในแบบฝึกหัดนี้ จะได้สำรวจ PDF แบบปกติ และเรียนรู้วิธีพล็อต PDF ของการแจกแจงที่รู้จักโดยใช้เทคนิค hacker statistics โดยเฉพาะอย่างยิ่ง จะได้พล็อต PDF แบบปกติสำหรับค่าความแปรปรวนต่าง ๆ
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Statistical Thinking in Python (ตอนที่ 1)
คำแนะนำการฝึกหัด
- สุ่ม 100,000 ตัวอย่างจากการแจกแจงแบบปกติที่มีค่าเฉลี่ยเท่ากับ
20และส่วนเบี่ยงเบนมาตรฐานเท่ากับ1จากนั้นทำแบบเดียวกันสำหรับการแจกแจงแบบปกติที่มีส่วนเบี่ยงเบนมาตรฐานเท่ากับ3และ10โดยยังคงใช้ค่าเฉลี่ยเท่ากับ20เหมือนเดิม แล้วกำหนดผลลัพธ์ให้กับsamples_std1,samples_std3และsamples_std10ตามลำดับ - พล็อตฮิสโทแกรมของแต่ละตัวอย่าง โดยแต่ละครั้งให้ใช้ 100 bins พร้อมระบุ keyword arguments
density=Trueและhisttype='step'อาร์กิวเมนต์หลังนี้จะทำให้กราฟมีลักษณะใกล้เคียงกับ PDF ทางทฤษฎีที่เรียบเนียน โดยต้องเรียกplt.hist()ทั้งหมด 3 ครั้ง - กด ส่งคำตอบ เพื่อสร้างคำอธิบายกราฟ (legend) ที่แสดงค่าส่วนเบี่ยงเบนมาตรฐานที่ใช้ แล้วแสดงกราฟ ไม่จำเป็นต้องติดป้ายกำกับแกน เนื่องจากยังไม่ได้กำหนดว่าการแจกแจงแบบปกตินี้อธิบายสิ่งใด เราเพียงแค่ศึกษารูปร่างของ PDF เท่านั้น
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Draw 100000 samples from Normal distribution with stds of interest: samples_std1, samples_std3, samples_std10
# Make histograms
# Make a legend, set limits and show plot
_ = plt.legend(('std = 1', 'std = 3', 'std = 10'))
plt.ylim(-0.01, 0.42)
plt.show()