Спробуйте інші кандидатні розподіли
Правильний вибір вхідних імовірнісних розподілів є ключовим для моделювання методом Монте‑Карло. У відео оцінили три розподіли, щоб визначити, який найкраще підходить для змінної age. Це були розподіли Лапласа, нормальний і експоненційний. Найкращим виявився нормальний розподіл.
У цій вправі ви перевірите, чи зможете знайти розподіл, що покращить підгонку порівняно з нормальним! Ви оціните підгонку рівномірного, нормального та експоненційного розподілів. Набір даних про діабет завантажено в датафрейм dia. Чи залишиться нормальний розподіл найкращим?
Для вас уже імпортовано такі бібліотеки: pandas як pd, scipy.stats як st і numpy як np.
Ця вправа є частиною курсу
Моделювання Монте-Карло в Python
Інструкції до вправи
- Скористайтеся
.fit(), щоб підігнати розподіл до данихage; потім застосуйте.nnlf(), щоб отримати значення максимальної правдоподібності (MLE) для підгонки.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
distributions = [st.uniform, st.norm, st.expon]
mles = []
for distribution in distributions:
# Fit the distribution and obtain the MLE value
pars = distribution.____
mle = distribution.____
mles.append(mle)
print(mles)