Melakukan Eksperimen Probabilitas dalam Mathematica
Mathematica menawarkan kerangka kerja yang sangat nyaman untuk bekerja dengan probabilitas dan distribusi dan - sementara masalah utama batas yang sesuai telah diatasi - Saya ingin menggunakan pertanyaan ini untuk membuat ini lebih jelas dan mungkin berguna sebagai referensi.
Mari kita buat eksperimen berulang dan tentukan beberapa opsi plot agar sesuai dengan selera kita:
SeedRandom["Repeatable_151115"];
$PlotTheme = "Detailed";
SetOptions[Plot, Filling -> Axis];
SetOptions[DiscretePlot, ExtentSize -> Scaled[0.5], PlotMarkers -> "Point"];
Bekerja dengan distribusi parametrik
πn
distProportionTenCoinThrows = With[
{
n = 10, (* number of coin throws *)
p = 1/2 (* fair coin probability of head*)
},
(* derive the distribution for the proportion of heads *)
TransformedDistribution[
x/n,
x \[Distributed] BinomialDistribution[ n, p ]
];
With[
{
pr = PlotRange -> {{0, 1}, {0, 0.25}}
},
theoreticalPlot = DiscretePlot[
Evaluate @ PDF[ distProportionTenCoinThrows, p ],
{p, 0, 1, 0.1},
pr
];
(* show plot with colored range *)
Show @ {
theoreticalPlot,
DiscretePlot[
Evaluate @ PDF[ distProportionTenCoinThrows, p ],
{p, 0.4, 0.6, 0.1},
pr,
FillingStyle -> Red,
PlotLegends -> None
]
}
]
Yang memberi kami plot distribusi proporsi yang terpisah:
Pr [0,4 ≤ π≤ 0,6|π∼ B ( 10 , 12) ]Pr [0,4 < π< 0,6|π∼ B ( 10 , 12) ]
{
Probability[ 0.4 <= p <= 0.6, p \[Distributed] distProportionTenCoinThrows ],
Probability[ 0.4 < p < 0.6, p \[Distributed] distProportionTenCoinThrows ]
} // N
{0.65625, 0.246094}
Melakukan Eksperimen Monte Carlo
Kita dapat menggunakan distribusi untuk satu acara untuk berulang kali sampel darinya (Monte Carlo).
distProportionsOneMillionCoinThrows = With[
{
sampleSize = 1000000
},
EmpiricalDistribution[
RandomVariate[
distProportionTenCoinThrows,
sampleSize
]
]
];
empiricalPlot =
DiscretePlot[
Evaluate@PDF[ distProportionsOneMillionCoinThrows, p ],
{p, 0, 1, 0.1},
PlotRange -> {{0, 1}, {0, 0.25}} ,
ExtentSize -> None,
PlotLegends -> None,
PlotStyle -> Red
]
]
Membandingkan ini dengan distribusi teoretis / asimptotis menunjukkan bahwa segala sesuatu sangat cocok:
Show @ {
theoreticalPlot,
empiricalPlot
}