多くの状況では、ある事象が別の事象に依存しており、その関係を考慮して確率を計算したくなります。
一方で、多くの問題は標本空間の要素を分類することで扱えます。特に、要素が重ならない（すなわち、互いに重複しない）分類だと扱いやすいです。この文脈を踏まえて、次の質問に答えてください。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
コイントスは、ランダムな試行の代表的な例です。結果は表か裏のいずれかになります。この種の試行はベルヌーイ試行（または二項試行）と呼ばれ、「はい／いいえ」や「投票する／しない」のように2つの結果を持つ問題の分析に使われます。本章では、ベルヌーイ試行、複数のベルヌーイ試行をモデル化する二項分布、そしてscipyライブラリを用いた確率シミュレーションを紹介します。
この章では、2つの事象の共通部分の確率や、2つの事象の確率の和など、さまざまな確率の計算方法と、それらの状況をシミュレーションする方法を学びます。さらに、条件付き確率とベイズの定理の適用についても学習します。
現在の演習
ここまで二項分布を扱ってきましたが、確率変数が従う分布はほかにも多数あります。本章では、二項分布と関係の深い3つの分布――正規分布、ポアソン分布、幾何分布――を紹介します。
確率の計算方法や確率分布の重要な性質を理解したところで、ここでは2つの重要な結果――大数の法則と中心極限定理――を紹介します。これにより、データが増えるにつれて標本平均が母平均に収束する様子や、ある条件下で確率変数の和がどのように振る舞うかを理解できます。 また、データサイエンスにおける確率・統計の応用として、線形回帰とロジスティック回帰のつながりも見ていきます。
