Generarea variabilelor aleatoare continue

Simulări Monte Carlo în Python

Izzy Weber

Curriculum Manager, DataCamp

Distribuția normală

Formă de clopot, centrată pe medie (loc); lățimea definită de deviația standard (scale)

Înălțimile bărbaților adulți americani urmează o distribuție normală: Funcția de densitate de probabilitate teoretică a distribuției normale

Simulări Monte Carlo în Python

Modificarea scalei (deviația standard)

Funcția de densitate de probabilitate teoretică a distribuției normale cu deviații standard diferite

Simulări Monte Carlo în Python

Modificarea locației (media)

Funcția de densitate de probabilitate teoretică a distribuției normale cu medii diferite

Simulări Monte Carlo în Python

Modificarea scalei și a locației

Funcția de densitate de probabilitate teoretică a distribuției normale cu deviații standard și medii diferite

Simulări Monte Carlo în Python

Eșantionarea din distribuții normale

  • Înălțimi normal distribuite ale bărbaților adulți din SUA; medie = 177 cm; deviație standard = 8 cm

  • Care este procentul persoanelor cu înălțimea peste 190 sau sub 165 cm? 

heights = st.norm.rvs(loc=177, scale=8, size=10000)

qualified = (heights < 165) | (heights > 190)

print(np.sum(qualified) * 100/10000)

12.28
Simulări Monte Carlo în Python

Vizualizarea rezultatelor simulării

heights_dict = {"heights":heights}
sns.histplot(x="heights", data=heights_dict)
plt.axvline(x=165, color="red")
plt.axvline(x=190, color="red")

Histogramă a eșantioanelor preluate din distribuția normală

Simulări Monte Carlo în Python

Mai multe distribuții de probabilitate continue

  • Distribuția uniformă continuă (st.uniform)
    • Analogul continuu al distribuției uniforme discrete
  • Distribuția exponențială (st.expon)
    • Analogul continuu al distribuției geometrice
1 https://docs.scipy.org/doc/scipy/tutorial/stats/continuous.html
Simulări Monte Carlo în Python

Să exersăm!

Simulări Monte Carlo în Python

Preparing Video For Download...