1. Learn
    2. /
  2. Курси
    3. /
  3. Статистичне мислення в Python (Частина 1)
Connected

Вправа

Якщо є історія — її можна змоделювати!

Іноді історія, що описує наш розподіл імовірностей, не має стандартної назви розподілу. У таких випадках не хвилюйтеся! Ви завжди можете змоделювати її симуляцією. Ми зробимо це в цій і наступній вправах.

У попередніх вправах ми розглядали рідкісну подію — матч без хітів у Вищій бейсбольній лізі (MLB). Hitting the cycle — коли батер за одну гру робить усі чотири види хітів — це ще одна рідкісна подія. Подібно до матчів без хітів, це можна змоделювати як процес Пуассона, тож час між такими подіями має експоненційний розподіл.

Скільки нам доведеться чекати, щоб побачити матч без хітів, а потім — щоб батер зробив hitting the cycle? Ідея така: ми чекаємо певний час на матч без хітів, а після нього — ще певний час на hitting the cycle. Іншими словами, який загальний час очікування двох різних пуассонівських процесів, що відбуваються послідовно? Загальний час — це час очікування матчу без хітів плюс час очікування hitting the cycle.

Тепер ви напишете функцію, яка вибірковим чином генерує значення з розподілу, описаного цією історією.

Інструкції

100 XP
  • Визначте функцію з сигнатурою виклику successive_poisson(tau1, tau2, size=1), яка моделює час очікування матчу без хітів і події hitting the cycle.
    • Згенеруйте часи очікування (кількість зразків size) для матчу без хітів з експоненційного розподілу з параметром tau1 і присвойте до t1.
    • Згенеруйте часи очікування (кількість зразків size) для hitting the cycle з експоненційного розподілу з параметром tau2 і присвойте до t2.
    • Функція має повертати суму часів очікування для цих двох подій.