Generare variabili casuali discrete

Simulazioni Monte Carlo in Python

Izzy Weber

Curriculum Manager, DataCamp

Import necessari

import scipy.stats as st

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

Distribuzione uniforme discreta

Funzione di massa di probabilità (PMF) teorica:

Campionare dalla distribuzione 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)

grafico dei campioni dalla distribuzione uniforme discreta

Distribuzione geometrica

Distribuzione del numero di prove, $X$, necessarie per ottenere un successo, data la probabilità di successo $p$.

Funzione di massa di probabilità, p = 0.5

Distribuzione geometrica

Funzione di massa di probabilità, p = 0.3

Campionare dalla distribuzione geometrica

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

grafico dei campioni dalla distribuzione geometrica

Altre distribuzioni di probabilità discrete

Poisson (scipy.stats.poisson)
- Probabilità di un certo numero di eventi in un intervallo fissato di tempo o spazio
Binomiale (scipy.stats.binom)
- Probabilità del numero di successi in una sequenza di $n$ esperimenti indipendenti
E altro!

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

Passiamo alla pratica !

Simulazioni Monte Carlo in Python