Генератори випадкових чисел і «хакерська» статистика

Статистичне мислення в Python (Частина 1)

Justin Bois

Teaching Professor at the California Institute of Technology

Хакерська статистика

Використовує змодельовані повторні вимірювання для обчислення ймовірностей.

ch3-2.004.png

¹ Зображення: автор невідомий

ch3-2.005.png

¹ Зображення: Heritage Auction

Моделювання підкидання монети

ch3-2.010.png

Випробування Бернуллі

Експеримент із двома варіантами: «успіх» (True) і «неуспіх» (False).

Модуль np.random

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

rng

Generator(PCG64) at 0x7F9433D38120

Зерно генератора випадкових чисел

Ціле число, що подається в алгоритм генерації випадкових чисел
Ручно задавайте зерно генератора лише коли потрібна відтворюваність
Задається як rng = np.random.default_rng(seed)

Моделювання 4 підкидань монети

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)

Моделювання 4 підкидань монети

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

Ймовірності в хакерській статистиці

Визначте, як моделювати дані
Зімітуйте дуже багато разів
Ймовірність ≈ частка випробувань з потрібним результатом

Давайте потренуємось!

Статистичне мислення в Python (Частина 1)