Menghitung nilai harapan dan varians

Bagaimana cara menghitung nilai harapan dan varians dari distribusi binomial dengan parameter n=10 dan p=0.25?

Latihan ini merupakan bagian dari kursus

Dasar-Dasar Probabilitas di Python

Lihat Kursus

Latihan interaktif langsung

Ubah teori menjadi aksi dengan salah satu latihan interaktif kami

Mulai latihan

Latihan ini merupakan bagian dari kursus

Dasar-Dasar Probabilitas di Python

SkillTag.level.intermediateSkillTag.label

4.8+

201 reviews

Mulai Kursus Gratis

Pelemparan koin adalah contoh klasik dari percobaan acak. Hasil yang mungkin adalah sisi depan atau sisi belakang. Jenis percobaan ini, dikenal sebagai uji Bernoulli atau binomial, memungkinkan kita mengkaji masalah dengan dua kemungkinan hasil, seperti “ya” atau “tidak” dan “memilih” atau “tidak memilih.” Bab ini memperkenalkan percobaan Bernoulli, sebaran binomial untuk memodelkan beberapa uji Bernoulli, serta simulasi probabilitas dengan pustaka scipy.

Exercise 1: Mari melempar koin dengan Python Exercise 2: Melempar koin Exercise 3: Menggunakan binom untuk melempar koin lebih banyak lagi Exercise 4: Fungsi massa peluang dan fungsi distribusi Exercise 5: Memprediksi probabilitas cacat Exercise 6: Memprediksi status pekerjaan Exercise 7: Memprediksi tingkat vonis pencurian dengan pembobolan Exercise 8: Nilai harapan, mean, dan varians Exercise 9: Menghitung nilai harapan dan varians

Latihan Saat Ini

Exercise 10: Menghitung mean sampel Exercise 11: Memeriksa hasil Exercise 12: Menghitung mean dan varians dari sebuah sampel

Dalam bab ini Anda akan belajar menghitung berbagai jenis probabilitas, seperti probabilitas irisan dua kejadian dan jumlah probabilitas dari dua kejadian, serta mensimulasikan situasi-situasi tersebut. Anda juga akan mempelajari probabilitas bersyarat dan cara menerapkan aturan Bayes.

Exercise 1: Menghitung probabilitas dua kejadian Exercise 2: Ada tumpang tindih?Exercise 3: Mengukur sebuah sampel Exercise 4: Probabilitas gabungan Exercise 5: Setumpuk kartu Exercise 6: Probabilitas bersyarat Exercise 7: Penerbangan tertunda Exercise 8: Tabel kontingensi Exercise 9: Lebih banyak kartu Exercise 10: Hukum probabilitas total Exercise 11: Mesin Formula 1 Exercise 12: Pemilih Exercise 13: Aturan Bayes Exercise 14: Pengkondisian Exercise 15: Pabrik dan suku cadang Exercise 16: Tes darah flu babi

Sejauh ini kita bekerja dengan sebaran binomial, tetapi ada banyak sebaran probabilitas yang dapat diambil oleh peubah acak. Dalam bab ini kita akan memperkenalkan tiga sebaran lain yang terkait dengan sebaran binomial: sebaran normal, Poisson, dan geometrik.

Exercise 1: Distribusi normal Exercise 2: Rentang nilai Exercise 3: Memplot sebaran normal Exercise 4: Dalam tiga simpangan baku Exercise 5: Probabilitas normal Exercise 6: Contoh pengeluaran restoran Exercise 7: Contoh baterai smartphone Exercise 8: Contoh tinggi orang dewasa Exercise 9: Distribusi Poisson Exercise 10: Contoh ATM Exercise 11: Contoh kecelakaan di jalan tol Exercise 12: Menghasilkan dan memplot distribusi Poisson Exercise 13: Distribusi geometri Exercise 14: Contoh menangkap salmon Exercise 15: Contoh free throw Exercise 16: Menghasilkan dan memplot distribusi geometri

Sekarang setelah Anda mengetahui cara menghitung probabilitas dan sifat-sifat penting dari sebaran probabilitas, kami akan memperkenalkan dua hasil penting: hukum bilangan besar dan teorema limit pusat. Ini akan memperluas pemahaman Anda tentang bagaimana mean sampel berkongruensi ke mean populasi seiring tersedianya lebih banyak data dan bagaimana jumlah peubah acak berperilaku dalam kondisi tertentu. Kita juga akan menelusuri keterkaitan antara regresi linear dan logistik sebagai penerapan probabilitas dan statistika dalam data science.

Exercise 1: Dari rataan sampel ke rataan populasi Exercise 2: Menghasilkan sebuah sampel Exercise 3: Menghitung mean sampel Exercise 4: Memplot rata-rata sampel Exercise 5: Menjumlahkan peubah acak Exercise 6: Rata-rata sampel Exercise 7: Rata-rata sampel mengikuti distribusi normal Exercise 8: Menjumlahkan lemparan dadu Exercise 9: Regresi linear Exercise 10: Mencocokkan model Exercise 11: Memprediksi nilai ujian Exercise 12: Mempelajari residual Exercise 13: Regresi logistik Exercise 14: Mencocokkan model logistik Exercise 15: Memprediksi apakah siswa akan lulus Exercise 16: Lulus dua ujian Exercise 17: Menutup pembahasan