1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Tư duy Thống kê với Python (Phần 1)
Connected

Bài tập

Nếu có câu chuyện, bạn có thể mô phỏng nó!

Đôi khi, câu chuyện mô tả phân phối xác suất của chúng ta không khớp với một phân phối đã có tên. Trong các trường hợp đó, đừng lo! Bạn luôn có thể mô phỏng nó. Chúng ta sẽ làm điều đó trong bài này và bài kế tiếp.

Ở các bài trước, chúng ta đã xem xét sự kiện hiếm “no-hitter” ở giải Major League Baseball. Hitting the cycle (người đánh ghi đủ bốn loại cú đánh trong một trận) cũng là một sự kiện hiếm trong bóng chày. Giống như no-hitter, sự kiện này có thể được mô hình hóa như một quá trình Poisson, nên thời gian giữa các lần “hitting the cycle” cũng tuân theo phân phối Exponential.

Chúng ta phải chờ bao lâu để thấy một no-hitter và rồi một cầu thủ “hitting the cycle”? Ý tưởng là ta phải chờ một khoảng cho no-hitter, và sau no-hitter, lại phải chờ cho “hitting the cycle”. Nói cách khác, tổng thời gian chờ là thời gian chờ cho hai quá trình Poisson khác nhau xảy ra liên tiếp. Tổng thời gian chờ bằng thời gian đợi cho no-hitter cộng với thời gian đợi cho “hitting the cycle”.

Bây giờ, bạn sẽ viết một hàm để lấy mẫu từ phân phối được mô tả bởi câu chuyện này.

Hướng dẫn

100 XP
  • Định nghĩa một hàm với chữ ký lời gọi successive_poisson(tau1, tau2, size=1) để lấy mẫu thời gian chờ cho một no-hitter và một lần hitting the cycle.
    • Rút các thời gian chờ (số mẫu là size) cho no-hitter từ một phân phối exponential tham số hóa bởi tau1 và gán vào t1.
    • Rút các thời gian chờ (số mẫu là size) cho hitting the cycle từ một phân phối exponential tham số hóa bởi tau2 và gán vào t2.
    • Hàm trả về tổng thời gian chờ của hai sự kiện.