乱数生成器とハッカースタッツ

Pythonで学ぶ統計的思考（パート1）

Justin Bois

Teaching Professor at the California Institute of Technology

ハッカースタッツ

繰り返しの擬似実験で確率を推定する手法

ch3-2.004.png

¹ 画像: 作者不詳

ch3-2.005.png

¹ 画像: Heritage Auction

コイントスのシミュレーション

ch3-2.010.png

ベルヌーイ試行

選択肢が2つの実験。「成功」(True) と「失敗」(False)

np.random モジュール

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

rng

Generator(PCG64) at 0x7F9433D38120

乱数シード

乱数生成アルゴリズムに与える整数
再現性が必要なときだけシードを手動設定
指定方法: rng = np.random.default_rng(seed)

コイントス4回のシミュレーション

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)

コイントス4回のシミュレーション

n_all_heads = 0  # 4回すべて表の回数を初期化
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

ハッカースタッツで確率を出す

どうデータをシミュレートするか決める
とても多く繰り返しシミュレート
確率 ≒ 関心の事象が起きた試行の割合

Let's practice!

Pythonで学ぶ統計的思考（パート1）