Das Gesetz der großen Zahlen
Teil des Abschnitts Statistik für ML der Machine Learning-Journey von Coddy. Lektion 14 von 64.
Bei 10 Münzwürfen sind 8-mal Kopf keine Überraschung. Wirf weiter, und der Kopfanteil nähert sich langsam 0,5:
Jeder Punkt benötigt den bisherigen Anteil. np.cumsum liefert die laufende Summe; teile sie durch die bisherige Anzahl der Würfe:
heads = np.array([True, False, True, True])
print(np.cumsum(heads))
print(np.round(np.cumsum(heads) / np.arange(1, 5), 2))Dies gibt aus:
[1 1 2 3]
[1. 0.5 0.67 0.75]ax.axhline(y) zeichnet die Referenzlinie quer über das Diagramm:
ax.plot(np.arange(1, 301), share)
ax.axhline(0.5, color="red", linestyle="--")Das ist das Gesetz der großen Zahlen: mehr Versuche, näher an der Wahrscheinlichkeit. Ein Modell, das bei 20 Stichproben gut abschneidet, könnte Glück haben; bei 2000 kaum.
Aufgabe
MittelEine Müslimarke versteckt in 20 % der Packungen ein Spielzeug. Das Programm liest ein, wie viele geöffnet werden; der Starter-Code füllt toys (True für ein Spielzeug) und beschriftet das Diagramm.
- Berechne den laufenden Anteil der Spielzeuge.
- Gib ihn nach 10 Packungen und nach allen Packungen mit 3 Dezimalstellen aus.
- Stelle ihn gegen die Packungsnummern ab 1 dar, füge bei 0.2 eine schwarze gepunktete Linie (
":") hinzu und zeige das Diagramm an.
Für 80 weitere Packungen:
After 10 boxes: 0.1
After 80 boxes: 0.212und zeichnet dieses Diagramm. Dann beschreibt Coddy deines.
Probier es selbst
import numpy as np
import matplotlib.pyplot as plt
boxes = int(input())
# Ändere die folgenden Zeilen nicht
rng = np.random.default_rng(25)
toys = rng.random(boxes) < 0.2
fig, ax = plt.subplots()
ax.set_title("Toys in Cereal Boxes")
ax.set_xlabel("Boxes opened")
ax.set_ylabel("Share with a toy")
# Schreibe deinen Code darunter
Teste dich selbstDiese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.
Alle Lektionen in Statistik für ML
1Lage und Streuung
Mittelwert und MedianPerzentile und QuartileVarianz und StandardabweichungStichprobe oder Grundgesamtheit?Der häufigste WertRückblick: Lieferzeiten4Stichproben und Grundgesamtheiten
Grundgesamtheit und StichprobeStichprobenmittelwerte variierenDie StichprobenverteilungGrößere Stichproben, weniger ZufallRückblick: Eine Stadt befragen2Verteilungen
DichtehistogrammeDatenverteilungenDie NormalverteilungskurveDie 68-95-99,7-RegelZ-WerteRückblick: Akkulaufzeit3Wahrscheinlichkeit durch Simulation
Wahrscheinlichkeit als HäufigkeitDas Gesetz der großen ZahlenAugensummen beim WürfelnErwartungswertBedingte WahrscheinlichkeitRückblick: Gewinnchancen am Würfelstand6Zusammenhänge
Streudiagramme lesenKorrelationKorrelationsmatrixKorrelations-HeatmapsKorrelation ist keine KausalitätRückblick: Eiscreme und SonneÜbe selbstständig: Online-Python-Compiler