Phân phối chuẩn
Tiếp theo là phân phối dễ nhận ra và hữu dụng nhất: phân phối chuẩn hay Gaussian. Trong các slide, chúng ta đã lướt qua hình dạng “quả chuông” và cách phân phối chuẩn cùng với định lý giới hạn trung tâm giúp chúng ta thực hiện kiểm định giả thuyết.
Tương tự các bài trước, ở đây bạn sẽ bắt đầu bằng cách mô phỏng dữ liệu và quan sát phân phối, sau đó đi sâu hơn để xem xét xác suất một số quan sát nhất định xảy ra.
Bài tập này là một phần của khóa học
Luyện tập câu hỏi phỏng vấn Thống kê bằng Python
Hướng dẫn bài tập
- Tạo dữ liệu cho phân phối bằng hàm
rvs()với size bằng 1000; gán vào biếndata. - Hiển thị biểu đồ histogram bằng
matplotlib; quan sát hình dạng của phân phối. - Với một phân phối chuẩn hóa, xác suất một quan sát lớn hơn 2 là bao nhiêu?
- Nhìn vào mẫu của chúng ta, xác suất một quan sát lớn hơn 2 là bao nhiêu?
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Generate normal data
from scipy.stats import norm
data = norm.rvs(size=____)
# Plot distribution
plt.hist(____)
plt.show()
# Compute and print true probability for greater than 2
true_prob = 1 - norm.cdf(____)
print(____)
# Compute and print sample probability for greater than 2
sample_prob = sum(obs > ____ for obs in data) / len(____)
print(____)