Generera kontinuerliga stokastiska variabler

Monte Carlo-simuleringar i Python

Izzy Weber

Curriculum Manager, DataCamp

Normalfördelning

Klockformad och centrerad kring medelvärdet (loc); bredden bestäms av standardavvikelsen (scale)

Längden hos amerikanska vuxna män är normalfördelad: Teoretisk sannolikhetstäthetsfunktion för normalfördelningen

Monte Carlo-simuleringar i Python

Ändra scale (standardavvikelse)

Teoretisk sannolikhetstäthetsfunktion för normalfördelningen med olika standardavvikelser

Monte Carlo-simuleringar i Python

Ändra loc (medelvärde)

Teoretisk sannolikhetstäthetsfunktion för normalfördelningen med olika medelvärden

Monte Carlo-simuleringar i Python

Ändra både scale och loc

Teoretisk sannolikhetstäthetsfunktion för normalfördelningen med olika standardavvikelser och medelvärden

Monte Carlo-simuleringar i Python

Stickprov från normalfördelningar

  • Normalfördelade längder hos amerikanska vuxna män; medelvärde = 177 cm; standardavvikelse = 8 cm

  • Hur stor andel har en längd över 190 eller under 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
Monte Carlo-simuleringar i Python

Visualisera simuleringsresultat

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

Histogram över stickprov från normalfördelningen

Monte Carlo-simuleringar i Python

Fler kontinuerliga sannolikhetsfördelningar

  • Kontinuerlig likformig fördelning (st.uniform)
    • Den kontinuerliga motsvarigheten till den diskreta likformiga fördelningen
  • Exponentialfördelning (st.expon)
    • Den kontinuerliga motsvarigheten till den geometriska fördelningen
1 https://docs.scipy.org/doc/scipy/tutorial/stats/continuous.html
Monte Carlo-simuleringar i Python

Nu kör vi en övning!

Monte Carlo-simuleringar i Python

Preparing Video For Download...