Există suprapunere?

Când calculezi probabilități pentru mai multe evenimente, cel mai important lucru de observat este relația dintre ele – în special dacă există vreo suprapunere între oricare două evenimente.

Care ar fi formula pentru a calcula probabilitatea lui A sau B, știind că A și B nu sunt mutual exclusive?

Acest exercițiu face parte din cursul

Bazele probabilității în Python

Exercițiu interactiv practic

Transformă teoria în practică cu unul dintre exercițiile noastre interactive

Începe exercițiul

Acest exercițiu face parte din cursul

Bazele probabilității în Python

SkillTag.level.intermediateSkillTag.label

4.8+

Începe cursul gratuit

Aruncarea monedei este exemplul clasic de experiment aleator. Rezultatele posibile sunt cap sau pajură. Acest tip de experiment, cunoscut sub numele de experiment Bernoulli sau binomial, ne permite să studiem probleme cu două rezultate posibile, precum „da" sau „nu" și „vot" sau „fără vot". Acest capitol introduce experimentele Bernoulli, distribuțiile binomiale pentru modelarea mai multor experimente Bernoulli și simulările de probabilitate cu biblioteca scipy.

Exercise 1: Să aruncăm o monedă în Python Exercise 2: Aruncarea monedei Exercise 3: Folosind binom pentru a arunca și mai multe monede Exercise 4: Funcții de masă de probabilitate și de distribuție Exercise 5: Predicția probabilității defectelor Exercise 6: Predicția statutului de angajare Exercise 7: Prezicerea ratei de soluționare a spargерilor Exercise 8: Valoarea așteptată, media și varianța Exercise 9: Calcularea valorii așteptate și a varianței Exercise 10: Calcularea mediei eșantionului Exercise 11: Verificarea rezultatului Exercise 12: Calcularea mediei și varianței unui eșantion

În acest capitol vei învăța să calculezi diferite tipuri de probabilități – cum ar fi probabilitatea intersecției a două evenimente și suma probabilităților a două evenimente – și să simulezi aceste situații. Vei învăța, de asemenea, despre probabilitatea condiționată și cum să aplici regula lui Bayes.

Exercise 1: Calcularea probabilităților a două evenimente Exercise 2: Există suprapunere?

Exercițiul curent

Exercise 3: Măsurarea unui eșantion Exercise 4: Probabilități comune Exercise 5: Pachet de cărți de joc Exercise 6: Probabilități condiționate Exercise 7: Zboruri întârziate Exercise 8: Tabel de contingență Exercise 9: Mai multe cărți Exercise 10: Legea probabilității totale Exercise 11: Motoare de Formula 1 Exercise 12: Alegători Exercise 13: Regula lui Bayes Exercise 14: Condiționare Exercise 15: Fabrici și componente Exercise 16: Testul de sânge pentru gripa porcină

Până acum am lucrat cu distribuții binomiale, însă o variabilă aleatoare poate urma multe alte distribuții de probabilitate. În acest capitol vom introduce încă trei distribuții înrudite cu cea binomială: distribuția normală, distribuția Poisson și distribuția geometrică.

Exercise 1: Distribuții normale Exercise 2: Intervalul de valori Exercise 3: Reprezentarea grafică a distribuțiilor normale Exercise 4: În interiorul a trei abateri standard Exercise 5: Probabilități normale Exercise 6: Exemplu de cheltuieli la restaurant Exercise 7: Exemplu cu bateria unui smartphone Exercise 8: Exemplu cu înălțimile adulților Exercise 9: Distribuții Poisson Exercise 10: Exemplu cu ATM-ul Exercise 11: Exemplu cu accidente rutiere Exercise 12: Generarea și reprezentarea grafică a distribuțiilor Poisson Exercise 13: Distribuții geometrice Exercise 14: Exemplul cu prinderea somonului Exercise 15: Exemplu cu aruncări libere Exercise 16: Generarea și reprezentarea grafică a distribuțiilor geometrice

Acum că știi să calculezi probabilități și proprietăți importante ale distribuțiilor de probabilitate, vom introduce două rezultate esențiale: legea numerelor mari și teorema limită centrală. Acestea îți vor aprofunda înțelegerea modului în care media eșantionului converge spre media populației pe măsură ce sunt disponibile mai multe date, dar și a modului în care se comportă suma variabilelor aleatoare în anumite condiții. Vom explora, de asemenea, legăturile dintre regresia liniară și cea logistică, ca aplicații ale probabilității și statisticii în știința datelor.

Exercise 1: De la media eșantionului la media populației Exercise 2: Generarea unui eșantion Exercise 3: Calcularea mediei eșantionului Exercise 4: Reprezentarea grafică a mediei eșantionului Exercise 5: Adunarea variabilelor aleatoare Exercise 6: Mediile eșantioanelor Exercise 7: Mediile eșantioanelor urmează o distribuție normală Exercise 8: Adunarea rezultatelor zarurilor Exercise 9: Regresie liniară Exercise 10: Antrenarea unui model Exercise 11: Predicția notelor la test Exercise 12: Studierea reziduurilor Exercise 13: Regresie logistică Exercise 14: Ajustarea unui model logistic Exercise 15: Predicție: vor trece studenții testul?Exercise 16: Promovarea ambelor teste Exercise 17: Concluzie