Générer un échantillon aléatoire d'une loi discrète usuelle avec numpy.random et estimer empiriquement son espérance et sa variance, puis comparer aux valeurs théoriques.
numpy.random
Choisissez une approche :
En utilisant les fonctions numpy.random.binomial, geometric, poisson, randint pour générer un échantillon, puis np.mean et np.var pour estimer EEE et VVV empiriquement
numpy.random.binomial
geometric
poisson
randint
np.mean
np.var
On simule un grand échantillon (X1,…,XN)(X_1,\dots,X_N)(X1,…,XN) d'une loi usuelle grâce à numpy.random, puis on approche E(X)E(X)E(X) par la moyenne empirique et V(X)V(X)V(X) par la variance empirique ; la loi des grands nombres garantit la convergence.