離散型乱数の生成

Pythonで学ぶモンテカルロ・シミュレーション

Izzy Weber

Curriculum Manager, DataCamp

必須インポート

import scipy.stats as st

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

離散一様分布

理論的な確率質量関数（PMF）: 離散一様分布の理論的 PMF

離散一様分布からのサンプリング

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)

離散一様分布のサンプル結果のグラフ

幾何分布

成功確率 $p$ の下で，1 回の成功を得るまでに要する試行回数 $X$ の分布。

確率質量関数（p = 0.5） p = 0.5 の幾何分布の理論的 PMF

幾何分布

確率質量関数（p = 0.3） p = 0.3 の幾何分布の理論的 PMF

幾何分布からのサンプリング

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

幾何分布のサンプル結果のグラフ

その他の離散確率分布

ポアソン（scipy.stats.poisson）
- ある一定の時間・空間区間で起こる事象数の確率を表す
二項（scipy.stats.binom）
- 独立試行 $n$ 回での成功回数の確率を表す
そのほか多数

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

実践してみましょう！

Pythonで学ぶモンテカルロ・シミュレーション