BaşlayınÜcretsiz başlayın

Poisson rassal değişkeni

numpy.random modülü, hem ayrık hem de sürekli rassal değişkenler için bir dizi yararlı olasılık dağılımı sunar. Bu egzersizde, bir olasılık dağılımından nasıl örnek çekeceğini öğreneceksin.

Özellikle, genellikle olayların gerçekleşme ortalama hızını modellemek için kullanılan ve çok önemli bir ayrık olasılık dağılımı olan Poisson dağılımından örnekler çekeceksin.

Egzersizin ardından, numpy.random içinde bulunan herhangi bir olasılık dağılımına bu adımları uygulayabileceksin. Ayrıca, bir dağılımdan daha fazla örnek çektikçe örneklemin ortalamasının nasıl değiştiğini de göreceksin.

Bu egzersiz, kursun bir parçasıdır

Python'da İstatistiksel Benzetim

Kursa Göz Atın

Egzersiz talimatları

  • np.random.poisson() kullanarak lam (lambda) ve size_1 ile bir Poisson dağılımından örnekler çek.
  • Yukarıdaki adımı tekrarla ama bu kez size_2 kullan.
  • Her iki örneklem için de, np.mean() ve abs() kullanarak ortalamaları ile lambda arasındaki mutlak farkı hesapla.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# 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))
Kodu Düzenle ve Çalıştır