Esempio: stima delle probabilità con il metodo Monte Carlo
Generare numeri casuali per illustrare in che modo i metodi di campionamento esteso sono in grado stimare le probabilità di quantità le cui distribuzioni sono sconosciute.
1. Impostare i parametri di una distribuzione logistica con i parametri di posizione e scala L e S.
2. Impostare i parametri di campionamento del metodo Monte Carlo.
◦ Numero di singoli campioni da raccogliere:
◦ Numero di punti dati in ogni campione:
3. Utilizzare le funzioni mean e rlogis per eseguire il campionamento e calcolare la media di ogni campione.
4. Stimare la probabilità che la media di un insieme di numeri casuali sia compresa nell'intervallo [a, b].
La probabilità dipende dal numero di punti dati in ogni campione e dall'ampiezza dell'intervallo.
5. Tracciare il grafico della funzione plogis per mostrare la distribuzione cumulativa di probabilità della distribuzione logica. Utilizzare un indicatore orizzontale per contrassegnare il livello di probabilità.
6. Eseguire lo zoom avanti del segmento verde tratteggiato del grafico e utilizzare indicatori verticali per contrassegnare l'intervallo [a, b] e indicatori orizzontali per contrassegnare la probabilità cumulativa inferiore e superiore tra [a, b]:
7. Tracciare il grafico della funzione dlogis per mostrare la densità di probabilità della distribuzione logistica.
8. Eseguire lo zoom avanti del segmento verde tratteggiato del grafico e utilizzare indicatori verticali per contrassegnare l'intervallo [a, b]:
9. Utilizzare la funzione qlogis per calcolare la distribuzione cumulativa di probabilità inversa per la probabilità Prob.
