เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การโยนเหรียญ

ในวิดีโอ คุณได้เห็นฟังก์ชัน get_heads_prob() ที่เราสร้างขึ้นเพื่อประมาณค่าความน่าจะเป็นของความสำเร็จในการแจกแจงแบบทวินาม ในแบบฝึกหัดนี้ คุณจะได้ลองใช้ฟังก์ชันนี้เองและตรวจสอบว่ามันทำงานได้ถูกต้องในการทดลองโยนเหรียญ

โปรดระวังความสับสนนี้: มีการแจกแจงความน่าจะเป็นสองแบบที่แตกต่างกันเข้ามาเกี่ยวข้อง แบบแรกคือการแจกแจงแบบทวินาม ซึ่งใช้จำลองการโยนเหรียญ เป็นการแจกแจงแบบไม่ต่อเนื่องที่มีค่าได้สองแบบ (หัวหรือก้อย) โดยมีพารามิเตอร์คือความน่าจะเป็นที่จะออกหัว การประมาณค่าแบบ Bayesian ของพารามิเตอร์นี้คือการแจกแจงความน่าจะเป็นแบบต่อเนื่องอีกแบบหนึ่ง เราไม่ทราบว่าเป็นการแจกแจงประเภทใด แต่สามารถประมาณค่าได้ด้วย get_heads_prob() และแสดงภาพกราฟิกได้

numpy และ seaborn ถูก import ให้แล้วในชื่อ np และ sns ตามลำดับ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์ข้อมูลแบบเบย์เซียนด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างรายการผลการโยนเหรียญ 1000 ครั้ง (ค่า 0 และ 1) โดยมีโอกาสออกหัว 50% แล้วกำหนดให้กับตัวแปร tosses
  • ใช้ tosses และฟังก์ชัน get_heads_prob() เพื่อประมาณค่าความน่าจะเป็นของหัว แล้วกำหนดผลลัพธ์ให้กับ heads_prob
  • วาด density plot แสดงการแจกแจงของค่าความน่าจะเป็นของหัวที่เพิ่งประมาณไป

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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

# Estimate the heads probability
heads_prob = ____

# Plot the distribution of heads probability
____(____, shade=True, label="heads probabilty")
plt.show()
แก้ไขและรันโค้ด