Bắt đầu ngayBắt đầu miễn phí

Thử các phân phối ứng viên khác

Việc chọn đúng phân phối xác suất đầu vào là chìa khóa để thực hiện mô phỏng Monte Carlo. Trong video, ba phân phối đã được đánh giá để xác định phân phối phù hợp nhất cho biến age: Laplace, chuẩn (normal), và mũ (exponential). Kết quả cho thấy phân phối chuẩn là phù hợp nhất.

Trong bài tập này, bạn sẽ thử xem liệu có thể tìm được phân phối cải thiện mức độ phù hợp so với phân phối chuẩn hay không! Bạn sẽ đánh giá độ phù hợp của các phân phối đều (uniform), chuẩn (normal), và mũ (exponential). Bộ dữ liệu tiểu đường đã được nạp vào DataFrame dia. Liệu phân phối chuẩn vẫn sẽ là tốt nhất?

Các thư viện sau đã được nhập sẵn cho bạn: pandas là pd, scipy.stats là st, và numpy là np.

Bài tập này là một phần của khóa học

Mô phỏng Monte Carlo với Python

Xem khóa học

Hướng dẫn bài tập

  • Dùng .fit() để khớp một phân phối với dữ liệu age; sau đó dùng .nnlf() để lấy giá trị ước lượng hợp lý cực đại (MLE) của phép khớp.

Bài tập tương tác thực hành trực tiếp

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

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)
Chỉnh sửa và Chạy Mã