ตัวสร้างเลขสุ่มและ Hacker Statistics

Statistical Thinking in Python (ตอนที่ 1)

Justin Bois

Teaching Professor at the California Institute of Technology

Hacker Statistics

ใช้การวัดซ้ำแบบจำลองเพื่อคำนวณความน่าจะเป็น

ch3-2.004.png

¹ Image: artist unknown

ch3-2.005.png

¹ Image: Heritage Auction

จำลองการโยนเหรียญ

ch3-2.010.png

การทดลองแบบ Bernoulli

การทดลองที่มีสองผลลัพธ์ คือ "สำเร็จ" (True) และ "ล้มเหลว" (False)

โมดูล np.random

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

rng

Generator(PCG64) at 0x7F9433D38120

Random number seed

ค่าจำนวนเต็มที่ป้อนเข้าอัลกอริทึมสร้างเลขสุ่ม
กำหนด seed ด้วยตนเองเฉพาะเมื่อต้องการให้ผลลัพธ์ทำซ้ำได้
ระบุด้วย rng = np.random.default_rng(seed)

จำลองการโยนเหรียญ 4 ครั้ง

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)

จำลองการโยนเหรียญ 4 ครั้ง

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

การคำนวณความน่าจะเป็นด้วย Hacker Stats

กำหนดวิธีจำลองข้อมูล
จำลองซ้ำหลายครั้ง
ความน่าจะเป็นคือสัดส่วนโดยประมาณของการทดลองที่ได้ผลลัพธ์ที่สนใจ

มาฝึกกันเถอะ!

Statistical Thinking in Python (ตอนที่ 1)