Luật số lớn
Thuộc phần Thống kê cho machine learning trong hành trình Machine Learning của Coddy. Bài học 14 trên 64.
Tung đồng xu 10 lần và có 8 lần ra mặt ngửa cũng không có gì đáng ngạc nhiên. Tiếp tục tung, tỷ lệ mặt ngửa dần tiến về 0.5:
Mỗi điểm cần tỷ lệ tính đến thời điểm đó. np.cumsum cho tổng lũy kế (running total); hãy chia tổng đó cho số lần tung tính đến thời điểm đó:
heads = np.array([True, False, True, True])
print(np.cumsum(heads))
print(np.round(np.cumsum(heads) / np.arange(1, 5), 2))Kết quả in ra là:
[1 1 2 3]
[1. 0.5 0.67 0.75]ax.axhline(y) vẽ đường tham chiếu chạy ngang biểu đồ:
ax.plot(np.arange(1, 301), share)
ax.axhline(0.5, color="red", linestyle="--")Đó là quy luật số lớn: càng thử nhiều lần, kết quả càng gần với xác suất. Một mô hình đạt điểm cao trên 20 mẫu có thể chỉ gặp may, nhưng trên 2000 mẫu thì khó có thể chỉ là may mắn.
Thử thách
Trung bìnhMột thương hiệu ngũ cốc giấu đồ chơi trong 20% số hộp. Chương trình đọc số hộp được mở; đoạn code khởi đầu điền toys (True nếu có đồ chơi) và đặt nhãn cho biểu đồ.
- Tính tỷ lệ tích lũy (running share) số hộp có đồ chơi.
- In tỷ lệ đó sau khi mở 10 hộp và sau khi mở tất cả hộp, với 3 chữ số thập phân.
- Vẽ biểu đồ theo số thứ tự của các hộp, bắt đầu từ 1, thêm một đường chấm màu đen (
":") tại 0.2 rồi hiển thị biểu đồ.
Với 80 hộp khác:
After 10 boxes: 0.1
After 80 boxes: 0.212và vẽ biểu đồ này. Sau đó, Coddy mô tả biểu đồ của bạn.
Tự làm thử
import numpy as np
import matplotlib.pyplot as plt
boxes = int(input())
# Đừng thay đổi các dòng bên dưới
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")
# Viết code của bạn bên dưới
Bài học này có một bài trắc nghiệm ngắn. Bắt đầu bài học để trả lời và theo dõi tiến độ.
Tất cả bài học trong Thống kê cho machine learning
1Giá trị trung tâm và độ phân tán
Giá trị trung bình và trung vịPhân vị và tứ phân vịPhương sai và độ lệch chuẩnMẫu hay tổng thể?Giá trị xuất hiện nhiều nhấtÔn tập: Thời gian giao hàng4Mẫu và tổng thể
Tổng thể và mẫuTrung bình mẫu biến thiênPhân phối mẫuMẫu lớn hơn, ít nhiễu hơnÔn tập: khảo sát một thị trấn2Các phân phối
Biểu đồ tần suất mật độHình dạng của dữ liệuĐường cong chuẩnQuy tắc 68-95-99,7Điểm ZÔn tập: Thời lượng pin3Xác suất qua mô phỏng
Xác suất dưới dạng tần suấtLuật số lớnTổng điểm khi gieo xúc xắcGiá trị kỳ vọngXác suất có điều kiệnÔn tập: Tỷ lệ thắng ở quầy xúc xắc6Mối quan hệ
Đọc biểu đồ phân tánTương quanMa trận tương quanBản đồ nhiệt tương quanTương quan không đồng nghĩa với quan hệ nhân quảÔn tập: Kem và mặt trờiTự luyện tập: Trình biên dịch Python online