這個參數為什麼是最佳的？
現在從一個指數分佈取樣，其 \(\tau\) 為最佳 \(\tau\) 的 2 倍。接著再做一次，但讓 \(\tau\) 只剩一半。將這些樣本的 CDF 畫出來，並與你的資料重疊比較。你會看到它們無法同樣好地重現資料。因此，你用平均無無安打間隔時間計算出的 \(\tau\) 是最佳的，因為它最能重現資料。
注意：在本題與之後所有練習中，隨機數產生器都已經預先設好種子，幫你省去設定的步驟。
本練習屬於課程
Statistical Thinking in Python（第 2 部分）
練習說明
- 從參數為 \(\tau_{1/2}\) =
tau/2的指數分佈取10000個樣本。 - 從參數為 \(\tau_{2}\) =
2*tau的指數分佈取10000個樣本。 - 使用你的
ecdf()函式，為這兩組樣本各自產生 CDF。 - 把這兩條 CDF 作為線條加到你的圖上。這部分已為你完成，按下 送出答案 以查看圖表！
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Plot the theoretical CDFs
plt.plot(x_theor, y_theor)
plt.plot(x, y, marker='.', linestyle='none')
plt.margins(0.02)
plt.xlabel('Games between no-hitters')
plt.ylabel('CDF')
# Take samples with half tau: samples_half
samples_half = ____
# Take samples with double tau: samples_double
samples_double = ____
# Generate CDFs from these samples
x_half, y_half = ____
x_double, y_double = ____
# Plot these CDFs as lines
_ = plt.plot(x_half, y_half)
_ = plt.plot(x_double, y_double)
# Show the plot
plt.show()