1. Nauka
    2. /
  2. Kursy
    3. /
  3. Podstawy rachunku prawdopodobieństwa w Pythonie
Connected

ćwiczenie

Zdanie dwóch egzaminów

Wyobraź sobie, że jesteś studentem uczelni wyższej. Zbliżają się dwa egzaminy z różnych przedmiotów, a czasu na naukę jest coraz mniej. Chcesz wiedzieć, ile godzin poświęcić na każdy z nich, żeby zmaksymalizować prawdopodobieństwo zdania obu. Na szczęście masz do dyspozycji dane, które możesz wykorzystać.

Dla przedmiotu A dopasowano już model logistyczny zapisany w model_A, a dla przedmiotu B – model w model_B. Poza wcześniej wczytanym LogisticRegression z sklearn.linear_model oraz numpy jako np, zaimportowano dla ciebie funkcję expit() – odwrotność funkcji logistycznej – z scipy.special.

Instrukcje 1/4

undefined XP
  • 1

    Użyj model_A, aby przewidzieć, czy zdasz egzamin przy 6, 7, 8, 9 lub 10 godzinach nauki, a model_B – przy 3, 4, 5 lub 6 godzinach.

  • 2

    Oblicz prawdopodobieństwo zdania egzaminu A przy 8,6 godzinach nauki oraz egzaminu B przy 4,7 godzinach nauki.

  • 3

    Oblicz liczbę godzin nauki potrzebną do uzyskania prawdopodobieństwa zdania równego 0,5, korzystając ze wzoru -intercept/slope.

  • 4

    Oblicz łączne prawdopodobieństwo zdania egzaminu A i egzaminu B.