0
y 50
. Aquí podríamos querer saber cuántos datos caen o están entre 0
y 5
, 6
y 10
, 11
y 15
, etc.bins
en plt.hist
. Por ejemplo debe hacer algo como plt.hist(data, bins=5)
plt.hist(data, range=(20, 51))
bins=2
las barras probablemente no darán mucha información acerca de la distribución de la data. Por tanto es importante elegir un buen tamaño de binsnp.random.normal
y recibe estos argumentos:loc
: la media para la distribución normalscale
: la desviación standard de la distribuciónsize
: el número de números aleatorios a generar.50
y una desviación standard de 10
. Cuando decimos “dentro de una desviación standard de la media”, esto es lo que estamos diciendo matemáticamente:0.3 * 10 = 3
40%
np.random.binomial
el cual podemos usar para determinar la probabilidad de diferentes resultados.N
: el número de intentos o ejemplosP
: la probabilidad de éxitosize
: número de experimentos0.3 * 10 = 3
.40%
.np.mean
.