Prawdopodobieństwo jako częstość
Część sekcji Statystyka w uczeniu maszynowym ścieżki Machine Learning w Coddy. Lekcja 13 z 64.
Filtr antyspamowy mówi „90% spamu”; opakowanie nasion informuje, że „kiełkuje 80%”. Prawdopodobieństwo to udział w długim okresie, od 0 (nigdy) do 1 (zawsze). Oto 50 nasion:
rng.random(n) losuje liczby dziesiętne z przedziału od 0 do 1, a 80% z nich jest mniejszych niż 0.8. Wystarczy więc jedno porównanie, aby zasadzić 1000 nasion:
rng = np.random.default_rng(3)
sprouted = rng.random(1000) < 0.8
print(sprouted.sum())
print(sprouted.mean())To wypisuje:
814
0.814Średnia wartości logicznych to udział wartości True: 0.814, bliski 0.8. Pod koniec tego rozdziału ta sztuczka pozwoli wycenić całe stoisko z kośćmi do gry.
Wyzwanie
ŚredniNapastnik strzela rzut karny z pewnym prawdopodobieństwem. Program odczytuje prawdopodobieństwo (od 0 do 1), a następnie liczbę strzałów; kod początkowy tworzy rng.
- Symuluj strzały: gol pada, gdy losowanie
rng.randomjest mniejsze od prawdopodobieństwa. - Wypisz liczbę goli i oszacowane prawdopodobieństwo, zaokrąglone do 3 miejsc po przecinku.
Dla 0.5 i 10 strzałów krótka symulacja, w której wynik mocno odbiega od 0.5:
Goals: 3 of 10
Estimated chance: 0.3Spróbuj swoich sił
import numpy as np
chance = float(input())
kicks = int(input())
# Nie zmieniaj poniższej linii
rng = np.random.default_rng(21)
# Napisz swój kod poniżej
Ta lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.
Wszystkie lekcje w sekcji Statystyka w uczeniu maszynowym
1Położenie i rozproszenie
Średnia i medianaPercentyle i kwartyleWariancja i odchylenie standardowePróba czy populacja?Najczęściej występująca wartośćPodsumowanie: czasy dostaw4Próby i populacje
Populacja i próbaŚrednie z prób się różniąRozkład próbkowaniaWiększe próby, mniej szumuPodsumowanie: ankietowanie mieszkańców2Rozkłady
Histogramy gęstościKształty danychKrzywa normalnaReguła 68-95-99,7Wyniki standaryzowane (Z-scores)Podsumowanie: czas pracy baterii5Obserwacje odstające
Wykresy pudełkoweReguła IQRReguła Z-scorePostępowanie z obserwacjami odstającymiPodsumowanie: błędy czujników3Prawdopodobieństwo przez symulację
Prawdopodobieństwo jako częstośćPrawo wielkich liczbSumy oczekWartość oczekiwanaPrawdopodobieństwo warunkowePodsumowanie: szanse na stoisku z kośćmi6Relacje
Odczytywanie wykresów punktowychKorelacjaMacierz korelacjiMapy cieplne korelacjiKorelacja nie oznacza przyczynowościPodsumowanie: lody i słońcePoćwicz samodzielnie: Kompilator Python online