Generátory náhodných čísel a hackerská statistika

Statistical Thinking in Python (Part 1)

Justin Bois

Teaching Professor at the California Institute of Technology

Hackerská statistika

Využívá simulovaná opakovaná měření k výpočtu pravděpodobností.

ch3-2.004.png

¹ Obrázek: autor neznámý

ch3-2.005.png

¹ Obrázek: Heritage Auction

Simulace hodů mincí

ch3-2.010.png

Bernoulliho pokusy

Experiment se dvěma výsledky: „úspěch" (True) a „neúspěch" (False).

Modul np.random

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

rng

Generator(PCG64) at 0x7F9433D38120

Seed náhodného generátoru

Celé číslo předané algoritmu pro generování náhodných čísel
Seed nastavujte ručně pouze v případě potřeby reprodukovatelnosti
Zadává se pomocí rng = np.random.default_rng(seed)

Simulace 4 hodů mincí

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)

Simulace 4 hodů mincí

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

Pravděpodobnosti v hackerské statistice

Určete, jak simulovat data
Simulujte mnohokrát
Pravděpodobnost ≈ podíl pokusů s požadovaným výsledkem

Pojďme procvičovat!

Statistical Thinking in Python (Part 1)