शुरू करेंमुफ़्त में शुरू करें

सिक्का उछालना

वीडियो में, आपने हमारा कस्टम get_heads_prob() फंक्शन देखा था, जो बाइनोमियल वितरण की सफलता की प्रायिकता का अनुमान लगाता है। इस अभ्यास में, आप इसे स्वयं इस्तेमाल करेंगे और जाँचेंगे कि सिक्का उछालने के प्रयोग में यह अपना काम ठीक से करता है या नहीं.

ध्यान रखिए कि यहाँ दो अलग-अलग प्रायिकता वितरण शामिल हैं! पहला बाइनोमियल है, जिसका उपयोग हम सिक्का-उछाल को मॉडल करने के लिए करते हैं। यह एक डिस्क्रीट वितरण है जिसके दो संभावित मान होते हैं (हेड्स या टेल्स), और इसे सफलता की प्रायिकता (हेड्स आना) के पैरामीटर से परिभाषित किया जाता है। इस पैरामीटर का Bayesian अनुमान एक दूसरा, कंटीन्युअस प्रायिकता वितरण होता है। हमें नहीं पता कि वह किस प्रकार का वितरण है, लेकिन हम get_heads_prob() से उसका अनुमान लगा सकते हैं और उसे visualize कर सकते हैं.

numpy और seaborn आपके लिए क्रमशः np और sns नाम से इम्पोर्ट किए गए हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Bayesian डेटा विश्लेषण

पाठ्यक्रम देखें

अभ्यास निर्देश

  • 1000 सिक्का उछालों (0 और 1) की एक सूची जनरेट करें जिसमें हेड्स आने की संभावना 50% हो, और इसे वैरिएबल tosses को असाइन करें.
  • tosses और get_heads_prob() फंक्शन का उपयोग करके हेड्स की प्रायिकता का अनुमान लगाएँ, और परिणाम heads_prob को असाइन करें.
  • अभी जो हेड्स प्रायिकता का अनुमान लगाया है, उसके वितरण का density प्लॉट बनाइए.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Generate 1000 coin tosses
tosses = ____(____, ____, ____)

# Estimate the heads probability
heads_prob = ____

# Plot the distribution of heads probability
____(____, shade=True, label="heads probabilty")
plt.show()
कोड संपादित करें और चलाएँ