开始使用免费开始使用

这个参数为何是最优的？

现在从一个指数分布中采样，其中 \(\tau\) 是最优 \(\tau\) 的 2 倍。再做一次，但令 \(\tau\) 只有最优 \(\tau\) 的一半。为这些样本绘制 CDF，并与您的数据叠加比较。您会看到它们对数据的再现程度不如最优值。因此，您从平均无安打间隔时间计算得到的 \(\tau\) 是最优的，因为它最能再现数据。

注意：在本题及后续所有练习中，随机数生成器已为您预先设定种子，以免您额外输入。

本练习是课程的一部分

Python 统计思维（第 2 部分）

查看课程

练习说明

  • 从参数为 \(\tau_{1/2}\) = tau/2 的指数分布中抽取 10000 个样本。
  • 从参数为 \(\tau_{2}\) = 2*tau 的指数分布中抽取 10000 个样本。
  • 使用您的 ecdf() 函数为这两组样本各生成一条 CDF。
  • 将这两条 CDF 作为线条添加到图中。此步骤已为您完成，点击 Submit Answer 查看图形！

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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()
编辑并运行代码