Parkfield 的震间时间估计
在本练习中，您将先计算指数分布与高斯分布（正态分布）模型的震间时间参数的最佳估计。然后，您将把各自模型的理论 CDF 与 Parkfield 实际震间时间的正式 ECDF 一起绘制出来进行比较。
本练习是课程的一部分
统计思维案例研习
练习说明
- 计算震间时间的均值，并存为
mean_time_gap。主要地震之间的时间间隔（单位为年）已存于time_gap。 - 计算震间时间的标准差，并存为
std_time_gap。 - 使用
np.random.exponential()从具有相应均值的指数分布中抽取 10,000 个样本。将其存入变量time_gap_exp。 - 使用
np.random.normal()从具有相应均值与标准差的正态分布中抽取 10,000 个样本。将其存入变量time_gap_norm。 - 使用本章前面介绍的
*dcst.ecdf()方法，将每个理论 CDF 各用一条线绘出。 - 绘制 ECDF 时，使用关键字参数
formal=True、min_x=-10、max_x=50。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Compute the mean time gap: mean_time_gap
mean_time_gap = ____
# Standard deviation of the time gap: std_time_gap
std_time_gap = ____
# Generate theoretical Exponential distribution of timings: time_gap_exp
time_gap_exp = ____
# Generate theoretical Normal distribution of timings: time_gap_norm
time_gap_norm = ____
# Plot theoretical CDFs
_ = plt.plot(*____)
_ = plt.plot(*____)
# Plot Parkfield ECDF
_ = plt.plot(*____(____, ____=____, ____=____, ____=____))
# Add legend
_ = plt.legend(('Exp.', 'Norm.'), loc='upper left')
# Label axes, set limits and show plot
_ = plt.xlabel('time gap (years)')
_ = plt.ylabel('ECDF')
_ = plt.xlim(-10, 50)
plt.show()