Yeniden örnekleme sonuçlarının görselleştirilmesi

Şimdi önceki egzersizdeki simülasyonunun sonuçlarını görselleştireceksin! Kilogram cinsinden bir grup NBA oyuncusunun kilolarını içeren nba_weights ile çalışmaya devam edeceksin:

nba_weights = [96.7, 101.1, 97.9, 98.1, 98.1, 
               100.3, 101.0, 98.0, 97.4]

İşte önceki egzersizdeki simülasyon kodun:

simu_weights = []
for i in range(1000):
    bootstrap_sample = random.choices(nba_weights, k=9)
    simu_weights.append(np.mean(bootstrap_sample))
mean_weight = np.mean(simu_weights)
upper = np.quantile(simu_weights, 0.975)
lower = np.quantile(simu_weights, 0.025)
print(mean_weight, lower, upper)

Son egzersizde oluşturduğun simu_weights listesi senin için yüklendi. Benzer şekilde, güven aralığın için ortalama ile %2,5 ve %97,5 çeyrek değerlerini temsil eden mean_weight, lower ve upper da önceden tanımlandı.

Aşağıdaki paketler senin için zaten yüklendi: random, numpy (np olarak), seaborn (sns olarak) ve matplotlib.pyplot (plt olarak).

Bu egzersiz, kursun bir parçasıdır

Python ile Monte Carlo Simülasyonları

Kursa Göz Atın

Egzersiz talimatları

Simüle edilen kiloların dağılımını çizmek için sns.displot() kullan.
95% güven aralığı için iki dikey çizgiyi (önce lower, sonra upper) kırmızıyla ve ortalamayı yeşille çizmek için plt.axvline() kullan.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Plot the distribution of the simulated weights
____

# Plot vertical lines for the 95% confidence intervals and mean
plt.axvline(____, color="red")
plt.axvline(____, color="red")
plt.axvline(____, color="green")
plt.show()

Kodu Düzenle ve Çalıştır