सतत रैंडम वैरिएबल जनरेट करना

Python में Monte Carlo Simulations

Izzy Weber

Curriculum Manager, DataCamp

Normal distribution

घंटी-जैसा आकार, माध्य (या loc) पर केंद्रित; चौड़ाई स्टैंडर्ड डिविएशन (या scale) से तय होती है

अमेरिकी वयस्क पुरुषों की लंबाई सामान्य वितरण में होती है: सामान्य वितरण का सैद्धांतिक प्रायिकता घनत्व फलन

अलग-अलग स्टैंडर्ड डिविएशन के साथ सामान्य वितरण का सैद्धांतिक प्रायिकता घनत्व फलन

अलग-अलग माध्य के साथ सामान्य वितरण का सैद्धांतिक प्रायिकता घनत्व फलन

अलग-अलग स्टैंडर्ड डिविएशन और माध्य के साथ सामान्य वितरण का सैद्धांतिक प्रायिकता घनत्व फलन

US वयस्क पुरुषों की लंबाई सामान्य वितरण में; माध्य = 177 cm; स्टैंडर्ड डिविएशन = 8 cm
कितने प्रतिशत लोग 190 cm से ऊपर या 165 cm से नीचे हैं?

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

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

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

12.28

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

सामान्य वितरण से लिए गए सैंपल का हिस्टोग्राम

Continuous Uniform distribution (st.uniform)
- डिस्क्रीट यूनिफॉर्म का सतत समकक्ष
Exponential distribution (st.expon)
- ज्योमेट्रिक वितरण का सतत समकक्ष

¹ https://docs.scipy.org/doc/scipy/tutorial/stats/continuous.html

Python में Monte Carlo Simulations