Bắt đầu ngayBắt đầu miễn phí

Kiểm định K-S cho phân phối Exponential

Kiểm định giả thuyết không rằng khoảng thời gian giữa các trận động đất trong chuỗi Parkfield tuân theo phân phối Exponential. Tức là, động đất xảy ra ngẫu nhiên và không “nhớ” lần cuối cùng xảy ra khi nào. Lưu ý: Phép tính này tốn nhiều tài nguyên (bạn sẽ sinh hơn 108 số ngẫu nhiên), nên sẽ mất khoảng 10 giây để hoàn tất.

Bài tập này là một phần của khóa học

Các nghiên cứu tình huống về tư duy thống kê

Xem khóa học

Hướng dẫn bài tập

  • Rút 10.000 mẫu lặp từ phân phối Exponential bằng np.random.exponential(). Khoảng thời gian trung bình giữa các trận động đất được lưu trong mean_time_gap, bạn đã tính ở bài trước. Lưu kết quả vào x_f.
  • Dùng các mẫu này, x_f, cùng với các khoảng thời gian thực tế lưu trong time_gap, để tính thống kê Kolmogorov–Smirnov bằng dcst.ks_stat().
  • Dùng hàm bạn đã viết ở bài trước, hiện đã tiện lợi lưu dưới tên dcst.draw_ks_reps(), để rút 10.000 mẫu lặp K-S từ phân phối Exponential. Dùng đối số từ khóa size=10000 để lấy mẫu từ phân phối Exponential mục tiêu. Lưu các mẫu lặp vào reps.
  • Tính và in p-value. Nhớ rằng trong trường hợp này, “ít nhất là cực trị như vậy” được định nghĩa là thống kê kiểm định dưới giả thuyết không lớn hơn hoặc bằng giá trị quan sát được.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Draw target distribution: x_f
x_f = ____

# Compute K-S stat: d
d = ____

# Draw K-S replicates: reps
reps = ____(len(____), ____, 
                         args=(mean_time_gap,), size=____, n_reps=____)

# Compute and print p-value
p_val = ____(____ >= ____) / 10000
print('p =', p_val)
Chỉnh sửa và Chạy Mã