Discrete toevalsvariabelen genereren

Monte Carlo-simulaties in Python

Izzy Weber

Curriculum Manager, DataCamp

Benodigde imports

import scipy.stats as st

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

Discrete uniforme verdeling

Theoretische kansmassa-functie (PMF): Theoretische PMF voor de discrete uniforme verdeling

Steekproeven uit de discrete uniforme verdeling

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)

grafiek met steekproeven uit de discrete uniforme verdeling

Geometrische verdeling

De kansverdeling van het aantal pogingen, X, tot de eerste succes, gegeven de succeskans p.

Kansmassa-functie, p = 0.5 Theoretische PMF voor de geometrische verdeling met p = 0.5

Geometrische verdeling

Kansmassa-functie, p = 0.3 Theoretische PMF voor de geometrische verdeling met p = 0.3

Steekproeven uit de geometrische verdeling

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

grafiek met steekproeven uit de geometrische verdeling

Meer discrete kansverdelingen

Poisson (scipy.stats.poisson)
- Geeft de kans op een aantal gebeurtenissen in een vaste tijd- of ruimte-interval
Binomiaal (scipy.stats.binom)
- Geeft de kans op het aantal successen in een reeks van n onafhankelijke proeven
En meer!

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

Laten we oefenen!

Monte Carlo-simulaties in Python