Bộ tạo số ngẫu nhiên và hacker statistics

Tư duy Thống kê với Python (Phần 1)

Justin Bois

Teaching Professor at the California Institute of Technology

Hacker statistics

Dùng các phép đo mô phỏng lặp lại để tính xác suất.

Blaise Pascal

¹ Image: artist unknown

Đồng xu

¹ Image: Heritage Auction

Mô phỏng tung đồng xu

Thử nghiệm Bernoulli

Thí nghiệm có hai kết quả: "thành công" (True) và "thất bại" (False).

Mô-đun np.random

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

rng

Generator(PCG64) at 0x7F9433D38120

Seed số ngẫu nhiên

Số nguyên đưa vào thuật toán sinh số ngẫu nhiên
Chỉ đặt seed thủ công khi cần tái lập kết quả
Chỉ định bằng rng = np.random.default_rng(seed)

Mô phỏng 4 lần tung đồng xu

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)

Mô phỏng 4 lần tung đồng xu

n_all_heads = 0  # Initialize number of 4-heads trials
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

Xác suất kiểu hacker stats

Xác định cách mô phỏng dữ liệu
Mô phỏng thật nhiều lần
Xác suất xấp xỉ bằng tỉ lệ lần thử có kết quả quan tâm

Ayo berlatih!

Tư duy Thống kê với Python (Phần 1)