Menu
CoddyTech
INIZIA A IMPARARE
flag It iconItalianodown icon

Riepilogo: probabilità al banco dei dadi

Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 18 di 64.

challenge icon

Sfida

Medio

È ora di stabilire i prezzi della bancarella dei dadi alla festa scolastica. Ogni visitatore lancia due dadi: il totale apre una scatola premio e, con un doppio (entrambi i dadi uguali), si vince un biglietto bonus. tokens contiene i gettoni di ciascuna scatola:

Le scatole premio per i totali da 2 a 12 disposte in una fila di celle: 12 gettoni per 2 e per 12, 3 per 5 e per 9, 5 per 7 e 0 per tutti gli altri totali

Il codice iniziale ha simulato 2400 visite in first e second; il programma legge un totale obiettivo. Stampa:

  1. la probabilità di ottenere un doppio,
  2. la probabilità di ottenere il totale obiettivo o un totale maggiore,
  3. tale probabilità dopo aver ottenuto un doppio,
  4. il numero atteso di gettoni per visita, usando la quota simulata di ciascun totale come probabilità.

Probabilità con 3 decimali, gettoni con 2. Per un'altra simulazione e il totale obiettivo 6:

Chance of doubles: 0.171
Chance of 6 or more: 0.705
Chance of 6 or more after doubles: 0.616
Expected tokens per visit: 2.16

Provalo tu

import numpy as np
import pandas as pd

goal = int(input())

# Gettoni nella scatola dei premi per ciascun totale da 2 a 12, in ordine
tokens = np.array([12, 0, 0, 3, 0, 5, 0, 3, 0, 0, 12])

# Non modificare le righe seguenti: 2400 visite simulate, con due dadi ciascuna
rng = np.random.default_rng(18)
first = rng.integers(1, 7, size=2400)
second = rng.integers(1, 7, size=2400)

# Scrivi il tuo codice qui sotto

Tutte le lezioni di Statistica per il machine learning

1Centro e dispersione

Media e medianaPercentili e quartiliVarianza e deviazione standardCampione o popolazione?Il valore più frequenteRiepilogo: tempi di consegna

4Campioni e popolazioni

Popolazione e campioneLe medie campionarie varianoDistribuzione campionariaCampioni più grandi, meno rumoreRiepilogo: sondare una città

7Linee di tendenza

ResiduiAdattamento dei minimi quadratiTracciare la retta di adattamentoFare previsioni con una rettaQuanto è buono l’adattamento?Riepilogo: ore di pratica

10Codifica delle categorie

Categorie come numeriCodifica one-hotRaggruppamento dei numeri in intervalliRiepilogo: annunci di auto

2Distribuzioni

Istogrammi di densitàForme dei datiCurva normaleRegola 68-95-99,7Punteggi ZRiepilogo: durata della batteria

5Valori anomali

Diagrammi a scatolaLa regola dell'IQRLa regola dello z-scoreGestire i valori anomaliRiepilogo: anomalie dei sensori

8Confrontare gruppi

Diagrammi a scatola per gruppoDifferenza tra le mediePotrebbe essere solo caso?I p-valueIl test tRiepilogo: test A/B

11Esplorare un dataset

Una prima occhiataTutte le feature insiemeFeature a confronto con l'etichettaLe due feature miglioriRiepilogo: dati sul diabete

3Probabilità tramite simulazione

La probabilità come frequenzaLa legge dei grandi numeriSomme dei dadiValore attesoProbabilità condizionataRiepilogo: probabilità al banco dei dadi

6Relazioni

Leggere i grafici a dispersioneCorrelazioneMatrice di correlazioneMappe di calore della correlazioneCorrelazione non significa causalitàRiepilogo: gelato e sole

9Scalatura delle feature

Perché scalare le featureScalatura Min-MaxStandardizzazioneStandardScalerRiepilogo: compagni di scalata

12Sfide finali

Ritardi dei treniQualità dell'ariaChimica del vinoSondaggio in clinica

Esercitati da solo: Compilatore Python online