Gerando variáveis aleatórias discretas

Simulações de Monte Carlo em Python

Izzy Weber

Curriculum Manager, DataCamp

Imports necessários

import scipy.stats as st

import seaborn as sns
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

Distribuição uniforme discreta

Função massa de probabilidade (PMF) teórica:

Amostrando da distribuição uniforme discreta

low = 3 
high = 21
samples = st.randint.rvs(low, high, size=1000)
samples_dict = {"nums":samples}
sns.histplot(x="nums", data=samples_dict, bins=6, binwidth=0.3)

gráfico de amostras da distribuição uniforme discreta

Distribuição geométrica

A distribuição da quantidade de tentativas, $X$, necessárias para obter um sucesso, dada a probabilidade de sucesso, $p$.

Função massa de probabilidade, p = 0.5

Distribuição geométrica

Função massa de probabilidade, p = 0.3

Amostrando da distribuição geométrica

p = 0.2
samples = st.geom.rvs(p, size=1000)
samples_dict = {"nums":samples}
sns.histplot(x="nums", data=samples_dict)

gráfico de amostras da distribuição geométrica

Outras distribuições discretas

Poisson (scipy.stats.poisson)
- Expressa a probabilidade de um número de eventos ocorrer em um intervalo fixo de tempo ou espaço
Binomial (scipy.stats.binom)
- Expressa a probabilidade do número de sucessos em uma sequência de $n$ experimentos independentes.
E mais!

¹ https://docs.scipy.org/doc/scipy/reference/stats.html#discrete-distributions

Vamos praticar!

Simulações de Monte Carlo em Python