def normal_probability_between(low, high, mu=0, sigma=1):
return normal_cdf(high, mu, sigma) - normal_cdf(low, mu, sigma)
for _ in range(n):
s += bernoulli_trial(p)
return s
if __name__ == '__main__':
trials = 10_000
n = 100 # 동전을 전지는 횟수
p = 0.5 # 동전을 던졌을 때 앞 면이 나올 확률
data = [binominal(n, p) for _ in range(trials)]
# plt.hist(data)
# plt.show()
# 이항 확률 변수와 그에 따른 확률값을 그리기 위해서
histogram = Counter(data)
x_bar = [k for k in histogram.keys()]
y_bar = [v / trials for v in histogram.values()]
plt.bar(x_bar, y_bar, color='0.75')
# 이항 확률 변수의 정규 분포 근사(approximation)
# 이항 확률 변수의 분포는 n이 충분히 크면 정규 분포가 된다.
mu = n * p # 평균
sigma = math.sqrt(n * p * (1 - p)) # 표준편차
# 정규 분포 그래프를 그리기 위해서
x_line = range(min(data), max(data) + 1) # range(0, n+1)
y_line = [
normal_cdf(x + 0.5, mu, sigma) - normal_cdf(x - 0.5, mu, sigma)
for x in x_line
]
plt.plot(x_line, y_line)
plt.show()
def normal_probability_above(low, mu=0.0, sigma=1.0):
return 1 - normal_cdf(low, mu, sigma)
