Continue variabelen genereren

Monte Carlo-simulaties in Python

Izzy Weber

Curriculum Manager, DataCamp

Normale verdeling

Klokvormig en gecentreerd op het gemiddelde (of loc); breedte bepaald door de standaarddeviatie (of scale)

De lengtes van volwassen Amerikaanse mannen zijn normaal verdeeld: Theoretische kansdichtheid van de normale verdeling

Monte Carlo-simulaties in Python

De schaal (standaarddeviatie) wijzigen

Theoretische kansdichtheid van de normale verdeling met verschillende standaarddeviaties

Monte Carlo-simulaties in Python

De loc (gemiddelde) wijzigen

Theoretische kansdichtheid van de normale verdeling met verschillende gemiddelden

Monte Carlo-simulaties in Python

Zowel schaal als loc wijzigen

Theoretische kansdichtheid van de normale verdeling met verschillende standaarddeviaties en gemiddelden

Monte Carlo-simulaties in Python

Steekproeven uit normale verdelingen

  • Normaal verdeelde lengtes van volwassen Amerikaanse mannen; gemiddelde = 177 cm; standaarddeviatie = 8 cm

  • Welk percentage is langer dan 190 of korter dan 165 cm? 

heights = st.norm.rvs(loc=177, scale=8, size=10000)

qualified = (heights < 165) | (heights > 190)

print(np.sum(qualified) * 100/10000)

12.28
Monte Carlo-simulaties in Python

Simulatieresultaten plotten

heights_dict = {"heights":heights}
sns.histplot(x="heights", data=heights_dict)
plt.axvline(x=165, color="red")
plt.axvline(x=190, color="red")

Histogram van steekproeven uit een normale verdeling

Monte Carlo-simulaties in Python

Meer continue kansverdelingen

  • Continue uniforme verdeling (st.uniform)
    • Het continue equivalent van de discrete uniforme verdeling
  • Exponentiële verdeling (st.expon)
    • Het continue equivalent van de geometrische verdeling
1 https://docs.scipy.org/doc/scipy/tutorial/stats/continuous.html
Monte Carlo-simulaties in Python

Laten we oefenen!

Monte Carlo-simulaties in Python

Preparing Video For Download...