เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ค่าพารามิเตอร์นี้เหมาะสมที่สุดได้อย่างไร?

ลองสุ่มตัวอย่างจากการแจกแจงแบบเอกซ์โพเนนเชียลโดยใช้ค่า \(\tau\) ที่มากกว่าค่าที่เหมาะสมที่สุดถึงสองเท่า จากนั้นทำซ้ำอีกครั้งโดยใช้ค่า \(\tau\) ที่น้อยกว่าครึ่งหนึ่ง สร้าง CDF จากตัวอย่างทั้งสองชุดแล้วแสดงทับบนกราฟข้อมูลของเรา จะเห็นได้ว่าทั้งสองค่าไม่สามารถจำลองข้อมูลได้ดีเท่า ดังนั้นค่า \(\tau\) ที่คำนวณได้จากค่าเฉลี่ยของช่วงเวลาระหว่างเหตุการณ์จึงเป็นค่าที่เหมาะสมที่สุด เพราะจำลองข้อมูลได้ตรงที่สุด

หมายเหตุ: ในแบบฝึกหัดนี้และแบบฝึกหัดถัดไปทั้งหมด ตัวสร้างตัวเลขสุ่มถูกกำหนดค่าเริ่มต้นไว้ให้แล้ว เพื่อประหยัดเวลาในการพิมพ์

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Statistical Thinking in Python (ตอนที่ 2)

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สุ่มตัวอย่างจำนวน 10000 ค่าจากการแจกแจงแบบเอกซ์โพเนนเชียลที่มีพารามิเตอร์ \(\tau_{1/2}\) = tau/2
  • สุ่มตัวอย่างจำนวน 10000 ค่าจากการแจกแจงแบบเอกซ์โพเนนเชียลที่มีพารามิเตอร์ \(\tau_{2}\) = 2*tau
  • สร้าง CDF จากตัวอย่างทั้งสองชุดโดยใช้ฟังก์ชัน ecdf() ของเรา
  • เพิ่ม CDF ทั้งสองเส้นลงในกราฟ ส่วนนี้เตรียมไว้ให้แล้ว กด ส่งคำตอบ เพื่อดูกราฟได้เลย!

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Plot the theoretical CDFs
plt.plot(x_theor, y_theor)
plt.plot(x, y, marker='.', linestyle='none')
plt.margins(0.02)
plt.xlabel('Games between no-hitters')
plt.ylabel('CDF')

# Take samples with half tau: samples_half
samples_half = ____

# Take samples with double tau: samples_double
samples_double = ____

# Generate CDFs from these samples
x_half, y_half = ____
x_double, y_double = ____

# Plot these CDFs as lines
_ = plt.plot(x_half, y_half)
_ = plt.plot(x_double, y_double)

# Show the plot
plt.show()
แก้ไขและรันโค้ด