Sürekli rastgele değişkenler üretme

Python ile Monte Carlo Simülasyonları

Izzy Weber

Curriculum Manager, DataCamp

Normal dağılım

Çan biçimli ve ortalama (veya loc) etrafında merkezli; genişliği standart sapma (veya scale) belirler

Amerikalı yetişkin erkeklerin boyları normal dağılmıştır: Normal dağılımın teorik olasılık yoğunluk fonksiyonu

Farklı standart sapmalarla normal dağılımın teorik olasılık yoğunluk fonksiyonu

Farklı ortalamalarla normal dağılımın teorik olasılık yoğunluk fonksiyonu

Farklı standart sapmalar ve ortalamalarla normal dağılımın teorik olasılık yoğunluk fonksiyonu

ABD'li yetişkin erkek boyları normal dağılır; ortalama = 177 cm; standart sapma = 8 cm
Boyu 190'ın üstünde veya 165'in altında olanların yüzdesi nedir?

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")

Normal dağılımdan alınan örneklerin histogramı

Sürekli Uniform dağılım (st.uniform)
- Ayrık uniform dağılımın sürekli karşılığı
Üstel dağılım (st.expon)
- Geometrik dağılımın sürekli karşılığı

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

Python ile Monte Carlo Simülasyonları