Bắt đầu ngayBắt đầu miễn phí

Biến ngẫu nhiên Poisson

Mô-đun numpy.random có nhiều phân phối xác suất hữu ích cho cả biến ngẫu nhiên rời rạc và liên tục. Trong bài tập này, bạn sẽ học cách lấy mẫu từ một phân phối xác suất.

Cụ thể, bạn sẽ lấy mẫu từ một phân phối rời rạc rất quan trọng: phân phối Poisson, thường được dùng để mô hình hóa tốc độ trung bình mà các sự kiện xảy ra.

Sau bài tập, bạn có thể áp dụng các bước này cho bất kỳ phân phối xác suất nào trong numpy.random. Ngoài ra, bạn cũng sẽ thấy trung bình mẫu thay đổi thế nào khi chúng ta lấy nhiều mẫu hơn từ một phân phối.

Bài tập này là một phần của khóa học

Mô phỏng Thống kê bằng Python

Xem khóa học

Hướng dẫn bài tập

  • Dùng np.random.poisson() để lấy mẫu từ phân phối Poisson với lam (lambda) và size_1.
  • Lặp lại bước trên, nhưng lần này dùng size_2.
  • Với mỗi mẫu ở trên, hãy tính độ chênh tuyệt đối giữa trung bình mẫu và lambda bằng np.mean() và abs().

Bài tập tương tác thực hành trực tiếp

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

# Initialize seed and parameters
np.random.seed(123) 
lam, size_1, size_2 = 5, 3, 1000  

# Draw samples & calculate absolute difference between lambda and sample mean
samples_1 = np.random.poisson(____, ____)
samples_2 = np.random.poisson(____, ____)
answer_1 = abs(____)
answer_2 = abs(____) 

print("|Lambda - sample mean| with {} samples is {} and with {} samples is {}. ".format(size_1, answer_1, size_2, answer_2))
Chỉnh sửa và Chạy Mã