큰 수의 법칙, 중심극한정리 코드로 구현

1. 큰 수의 법칙

df3.describe() # 대략적인 데이터의 모수를 확인합니다.

대략 5000개만 가도 값이 비슷해지는 것을 확인할 수 있습니다.

dat = []
np.random.seed(42)
for i in np.arange(start = 0, stop = 18000, step = 100) :
  s = np.random.choice(df3, i)
  dat.append(s.var())
dat

(pd
 .DataFrame(dat)
 .plot
 .line(color = '#4000c7')
 .axhline(y = 192, color = '#00da75')
 );

표본의 수가 많아질수록 점차 분산값이 수렴하는 모습을 확인하였습니다.

2. 중심극한정리

sample_means = []

for x in range(0, 1000):
  coinflips = np.random.choice(df3, 1000)
  sample_means.append(coinflips.mean())

pd.DataFrame(sample_means).hist(color = '#4000c7'); # 1000개씩 1000번 뽑은 경우

sample_means2 = []

for x in range(0, 10000):
  coinflips = np.random.choice(df3, 1000)
  sample_means2.append(coinflips.mean())

pd.DataFrame(sample_means2).hist(color = '#4000c7'); # 1000개씩 10000번 뽑은 경우

확실히 좀더 정규분포에 가까워지는 것을 확인할 수 있었습니다.

이상입니다. 감사합니다. :)