Menu
CoddyTech
COMEÇAR A APRENDER
flag Pt iconPortuguêsdown icon

Revisão: chances na barraca de dados

Parte da seção Estatística para ML do Journey de Machine Learning da Coddy. Lição 18 de 64.

challenge icon

Desafio

Médio

Hora de definir os preços da barraca de dados da feira da escola. Cada visitante lança dois dados: o total abre uma caixa de prêmios, e os números iguais (os dois dados com o mesmo valor) ganham um bilhete bônus. tokens contém os tokens de cada caixa:

As caixas de prêmios para os totais de 2 a 12 em uma fileira de células: 12 tokens para 2 e para 12, 3 para 5 e para 9, 5 para 7 e 0 para todos os outros totais

O código inicial simulou 2400 visitas em first e second; o programa lê um total-alvo. Imprima:

  1. a chance de obter números iguais,
  2. a chance de obter o total-alvo ou mais,
  3. essa chance após obter números iguais,
  4. os tokens esperados por visita, usando a proporção simulada de cada total como sua chance.

Chances com 3 casas decimais, tokens com 2. Para outra simulação e o objetivo 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

Experimente você mesmo

import numpy as np
import pandas as pd

goal = int(input())

# Fichas na caixa de prêmios para cada soma de 2 a 12, em ordem
tokens = np.array([12, 0, 0, 3, 0, 5, 0, 3, 0, 0, 12])

# Não altere as linhas abaixo: 2400 visitas simuladas, com dois dados em cada uma
rng = np.random.default_rng(18)
first = rng.integers(1, 7, size=2400)
second = rng.integers(1, 7, size=2400)

# Escreva seu código abaixo

Todas as lições de Estatística para ML

1Centro e dispersão

Média e medianaPercentis e quartisVariância e desvio padrãoAmostra ou população?O valor mais frequenteRevisão: tempos de entrega

4Amostras e Populações

População e AmostraAs médias amostrais variamA distribuição amostralAmostras maiores, menos ruídoRevisão: pesquisa de opinião em uma cidade

7Linhas de tendência

ResíduosAjuste por mínimos quadradosTraçando o ajusteFazendo previsões com uma linhaQuão bom é o ajuste?Revisão: horas de prática

10Codificação de Categorias

Categorias como NúmerosCodificação One-HotAgrupamento de Números em FaixasRecapitulação: Anúncios de Carros

2Distribuições

Histogramas de densidadeFormatos dos dadosA curva normalA regra 68-95-99,7Escores ZRecapitulando: duração da bateria

5Valores atípicos

Diagramas de caixaA regra do IQRA regra do Z-scoreComo lidar com valores atípicosRevisão: falhas nos sensores

8Comparando grupos

Gráficos de caixa por grupoDiferença entre médiasPode ser acaso?Valores-pO teste tRevisão: teste A/B

11Explorando um conjunto de dados

Um primeiro olharTodos os atributos de uma vezAtributos em relação ao rótuloOs dois melhores atributosRevisão: dados de diabetes

3Probabilidade por Simulação

Probabilidade como frequênciaA Lei dos Grandes NúmerosSomas de dadosValor esperadoProbabilidade condicionalRevisão: chances na barraca de dados

6Relações

Lendo gráficos de dispersãoCorrelaçãoMatriz de correlaçãoMapas de calor de correlaçãoCorrelação não é causalidadeRevisão: sorvete e sol

9Escalonamento de Recursos

Por que escalar os recursosEscalonamento Min-MaxPadronizaçãoStandardScalerRevisão: Parceiros de escalada

12Desafios Finais

Atrasos de TremQualidade do ArQuímica do VinhoPesquisa em Clínicas

Pratique por conta própria: Compilador de Python online