Wahrscheinlichkeiten berechnen

Der Data Frame where9am enthält Daten aus 91 Tagen (dreizehn Wochen), in denen Brett jeden Tag um 9 Uhr seine location sowie den daytype (Wochenende oder Wochentag) erfasst hat.

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

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

Solche Berechnungen sind die Grundlage des Naive-Bayes-Modells zur Zielvorhersage, das du in späteren Übungen entwickelst.

Diese Übung ist Teil des Kurses

Überwachtes Lernen in R: Klassifikation

Kurs anzeigen

Anleitung zur Übung

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

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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