Generadores de números aleatorios y estadísticas hacker

Pensamiento estadístico en Python (Parte 1)

Justin Bois

Teaching Professor at the California Institute of Technology

Estadísticas hacker

Usa mediciones simuladas repetidas para calcular probabilidades.

ch3-2.004.png

¹ Imagen: autor desconocido

ch3-2.005.png

¹ Imagen: Heritage Auction

Simulación de lanzamientos de moneda

ch3-2.010.png

Ensayos de Bernoulli

Experimento con dos opciones: "éxito" (True) y "fallo" (False).

El módulo np.random

import numpy as np
rng = np.random.default_rng()

rng

Generator(PCG64) at 0x7F9433D38120

Semilla aleatoria

Entero que alimenta el algoritmo aleatorio
Solo pon semilla si necesitas reproducibilidad
Se especifica con rng = np.random.default_rng(seed)

Simular 4 lanzamientos de moneda

rng = np.random.default_rng(42)

random_numbers = rng.random(size=4)
random_numbers

array([0.77395605, 0.43887844, 0.85859792, 0.69736803])

heads = random_numbers < 0.5
heads

array([False,  True, False, False])

np.sum(heads)

Simular 4 lanzamientos de moneda

n_all_heads = 0  # Inicializa el nº de ensayos con 4 caras
for _ in range(10000):
     heads = np.random.random(size=4) < 0.5
     n_heads = np.sum(heads)
     if n_heads == 4:
         n_all_heads += 1

n_all_heads / 10000

0.0607

Probabilidades con estadísticas hacker

Define cómo simular los datos
Simula muchísimas veces
La probabilidad ≈ fracción de ensayos con el resultado de interés

¡Vamos a practicar!

Pensamiento estadístico en Python (Parte 1)