回答編集履歴
1
サンプルコード追加
test
CHANGED
|
@@ -1 +1,99 @@
|
|
|
1
1
|
現状の結果のどの部分に問題を感じているのか不明なのですが、現状の分布でシミュレートすると、99.9パーセンタイル値が `539000` あたりに、99.95パーセンタイル値でさえも `553000` あたりとなるので、たかだか 10000個のサンプルで最大値が `577256` となるのは妥当なのではないでしょうか。
|
|
2
|
+
|
|
3
|
+
|
|
4
|
+
|
|
5
|
+
---
|
|
6
|
+
|
|
7
|
+
【コメントを受けてソースコードの変更】
|
|
8
|
+
|
|
9
|
+
```Pyhon
|
|
10
|
+
|
|
11
|
+
|
|
12
|
+
|
|
13
|
+
# Monte Carlo
|
|
14
|
+
|
|
15
|
+
import pandas as pd
|
|
16
|
+
|
|
17
|
+
import numpy as np
|
|
18
|
+
|
|
19
|
+
from scipy import stats
|
|
20
|
+
|
|
21
|
+
import matplotlib.pyplot as plt
|
|
22
|
+
|
|
23
|
+
import seaborn as sns
|
|
24
|
+
|
|
25
|
+
import statistics
|
|
26
|
+
|
|
27
|
+
sns.set_style('darkgrid')
|
|
28
|
+
|
|
29
|
+
|
|
30
|
+
|
|
31
|
+
# Properties
|
|
32
|
+
|
|
33
|
+
trials = 10000000
|
|
34
|
+
|
|
35
|
+
A = np.random.uniform(0.1, 0.3, trials)
|
|
36
|
+
|
|
37
|
+
B = np.random.uniform(500, 700, trials)
|
|
38
|
+
|
|
39
|
+
C = np.random.triangular(10, 20, 30, trials) # 三角分布
|
|
40
|
+
|
|
41
|
+
D = 100
|
|
42
|
+
|
|
43
|
+
|
|
44
|
+
|
|
45
|
+
x = A * B * C * D
|
|
46
|
+
|
|
47
|
+
|
|
48
|
+
|
|
49
|
+
x = x.astype(int)
|
|
50
|
+
|
|
51
|
+
|
|
52
|
+
|
|
53
|
+
fig, ax = plt.subplots()
|
|
54
|
+
|
|
55
|
+
ax.hist(x, bins=18, density=False, rwidth=0.6, Color="steelblue")
|
|
56
|
+
|
|
57
|
+
ax.set_title('Test')
|
|
58
|
+
|
|
59
|
+
ax.set_xlabel('x')
|
|
60
|
+
|
|
61
|
+
ax.set_ylabel('Frequency')
|
|
62
|
+
|
|
63
|
+
# plt.show()
|
|
64
|
+
|
|
65
|
+
|
|
66
|
+
|
|
67
|
+
mean = np.mean(x)
|
|
68
|
+
|
|
69
|
+
std = np.std(x)
|
|
70
|
+
|
|
71
|
+
mode, _ = stats.mode(x)
|
|
72
|
+
|
|
73
|
+
p0,p10,p50,p90,p100 = np.percentile(x, q=[0,10,50,90,100])
|
|
74
|
+
|
|
75
|
+
|
|
76
|
+
|
|
77
|
+
print(f'P90: {p90:.0f}')
|
|
78
|
+
|
|
79
|
+
print(f'P50: {p50:.0f}')
|
|
80
|
+
|
|
81
|
+
print(f'P10: {p10:.0f}')
|
|
82
|
+
|
|
83
|
+
print(f'Mean: {mean:.0f}')
|
|
84
|
+
|
|
85
|
+
print(f'Stdv: {std:.0f}')
|
|
86
|
+
|
|
87
|
+
print(f'Mode: {mode[0]:.0f}')
|
|
88
|
+
|
|
89
|
+
|
|
90
|
+
|
|
91
|
+
# 基本統計量だけならば下記のコードでも良い（MODEはないけど）
|
|
92
|
+
|
|
93
|
+
print(pd.Series(x).describe())
|
|
94
|
+
|
|
95
|
+
# scipy.stats を使って基本統計量を出した場合は歪度と尖度も出る
|
|
96
|
+
|
|
97
|
+
print(stats.describe(x))
|
|
98
|
+
|
|
99
|
+
```
|