Wahrscheinlichkeiten berechnen

Der Datenrahmen where9am enthält die Daten von 91 Tagen (dreizehn Wochen), in denen Brett jeden Tag um 9 Uhr seine location aufgezeichnet hat und ob es sich bei daytype um ein Wochenende oder einen Wochentag handelt.

Mit der folgenden Formel für die bedingte Wahrscheinlichkeit kannst du die Wahrscheinlichkeit berechnen, dass Brett im Büro arbeitet, wenn es ein Wochentag ist.

$$ P(A|B) = \frac{P(A \text{ and } B)}{P(B)} $$

Berechnungen wie diese bilden die Grundlage für das Naive Bayes Zielvorhersagemodell, das du in späteren Übungen entwickeln wirst.

Diese Übung ist Teil des Kurses

Überwachtes Lernen in R: Klassifikation

Kurs anzeigen

Anleitung zur Übung

Finde P(office) mit Hilfe von nrow() und subset(), um die Zeilen im Datensatz zu zählen und speichere das Ergebnis als p_A.
Finde P(Wochentag), indem du wieder nrow() und subset() verwendest, und speichere das Ergebnis als p_B.
Verwende nrow() und subset() ein letztes Mal, um P(Büro und Wochentag) zu finden. Speichere das Ergebnis als p_AB.
Berechne P(Büro | Wochentag) und speichere das Ergebnis als p_A_given_B.
Gib den Wert von p_A_given_B aus.

Interaktive Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Compute P(A) 
p_A <- ___

# Compute P(B)
p_B <- ___

# Compute the observed P(A and B)
p_AB <- ___

# Compute P(A | B) and print its value
p_A_given_B <- ___
___

Code bearbeiten und ausführen