จากค่าเฉลี่ยตัวอย่างสู่ค่าเฉลี่ยประชากร

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

พื้นฐานความน่าจะเป็นด้วย Python

SkillTag.level.intermediateSkillTag.label

4.8+

เริ่มคอร์สฟรี

การโยนเหรียญคือตัวอย่างคลาสสิกของการทดลองแบบสุ่ม โดยผลลัพธ์ที่เป็นไปได้คือหัวหรือก้อย การทดลองประเภทนี้เรียกว่าการทดลองแบบเบอร์นูลลีหรือไบโนเมียล ซึ่งช่วยให้ศึกษาปัญหาที่มีผลลัพธ์สองแบบ เช่น "ใช่" หรือ "ไม่ใช่" และ "โหวต" หรือ "ไม่โหวต" บทนี้จะแนะนำการทดลองแบบเบอร์นูลลี การแจกแจงแบบไบโนเมียลสำหรับจำลองการทดลองเบอร์นูลลีหลายครั้ง และการจำลองความน่าจะเป็นด้วยไลบรารี scipy

Exercise 1: มาโยนเหรียญใน Python กัน Exercise 2: การโยนเหรียญ Exercise 3: ใช้ binom เพื่อโยนเหรียญให้มากขึ้น Exercise 4: ฟังก์ชันมวลความน่าจะเป็นและฟังก์ชันการแจกแจง Exercise 5: การพยากรณ์ความน่าจะเป็นของชิ้นส่วนที่มีข้อบกพร่อง Exercise 6: การพยากรณ์สถานะการจ้างงาน Exercise 7: การพยากรณ์อัตราการคลี่คลายคดีลักทรัพย์Exercise 8: ค่าคาดหวัง ค่าเฉลี่ย และความแปรปรวน Exercise 9: การคำนวณค่าคาดหวังและความแปรปรวน Exercise 10: การคำนวณค่าเฉลี่ยของตัวอย่าง Exercise 11: ตรวจสอบผลลัพธ์Exercise 12: การคำนวณค่าเฉลี่ยและความแปรปรวนของตัวอย่าง

ในบทนี้จะได้เรียนรู้การคำนวณความน่าจะเป็นหลากหลายรูปแบบ เช่น ความน่าจะเป็นของอินเทอร์เซกชันของสองเหตุการณ์และผลรวมความน่าจะเป็นของสองเหตุการณ์ รวมถึงการจำลองสถานการณ์เหล่านั้น นอกจากนี้ยังจะได้เรียนรู้เรื่องความน่าจะเป็นแบบมีเงื่อนไขและการนำกฎของเบย์สไปใช้

Exercise 1: การคำนวณความน่าจะเป็นของสองเหตุการณ์Exercise 2: มีส่วนทับซ้อนหรือไม่?Exercise 3: การวัดค่าจากตัวอย่าง Exercise 4: ความน่าจะเป็นร่วม Exercise 5: ไพ่หนึ่งสำรับ Exercise 6: ความน่าจะเป็นแบบมีเงื่อนไข Exercise 7: เที่ยวบินล่าช้า Exercise 8: ตารางการณ์จร Exercise 9: ไพ่อีกหลายใบ Exercise 10: กฎความน่าจะเป็นรวม Exercise 11: เครื่องยนต์ Formula 1 Exercise 12: ผู้มีสิทธิ์เลือกตั้ง Exercise 13: กฎของเบส์Exercise 14: การกำหนดเงื่อนไข Exercise 15: โรงงานและชิ้นส่วน Exercise 16: การตรวจเลือดหวัดหมู

จนถึงตอนนี้เราทำงานกับการแจกแจงแบบไบโนเมียลมาตลอด แต่ยังมีการแจกแจงความน่าจะเป็นอีกหลายรูปแบบที่ตัวแปรสุ่มสามารถเป็นได้ ในบทนี้จะแนะนำอีก 3 รูปแบบที่เกี่ยวข้องกับการแจกแจงแบบไบโนเมียล ได้แก่ การแจกแจงแบบปกติ การแจกแจงแบบปัวซง และการแจกแจงแบบเรขาคณิต

Exercise 1: การแจกแจงแบบปกติ Exercise 2: ช่วงของค่า Exercise 3: การพล็อตการแจกแจงแบบปกติ Exercise 4: ภายในสามส่วนเบี่ยงเบนมาตรฐาน Exercise 5: ความน่าจะเป็นของการแจกแจงแบบปกติ Exercise 6: ตัวอย่างการใช้จ่ายในร้านอาหาร Exercise 7: ตัวอย่างแบตเตอรี่สมาร์ทโฟน Exercise 8: ตัวอย่าง: ส่วนสูงของผู้ใหญ่Exercise 9: การแจกแจงแบบปัวซอง Exercise 10: ตัวอย่าง ATM Exercise 11: ตัวอย่าง: อุบัติเหตุบนทางหลวง Exercise 12: การสร้างและพล็อตการแจกแจงแบบ Poisson Exercise 13: การแจกแจงทางเรขาคณิต Exercise 14: ตัวอย่างการจับปลาแซลมอน Exercise 15: ตัวอย่างการโยนโทษ Exercise 16: การสร้างและพล็อตการแจกแจงเรขาคณิต

เมื่อรู้วิธีคำนวณความน่าจะเป็นและคุณสมบัติสำคัญของการแจกแจงความน่าจะเป็นแล้ว บทนี้จะแนะนำผลลัพธ์สำคัญสองประการ ได้แก่ กฎของจำนวนมากและทฤษฎีบทลิมิตกลาง ซึ่งจะขยายความเข้าใจเกี่ยวกับการที่ค่าเฉลี่ยของตัวอย่างเข้าสู่ค่าเฉลี่ยของประชากรเมื่อมีข้อมูลมากขึ้น และพฤติกรรมของผลรวมตัวแปรสุ่มภายใต้เงื่อนไขที่กำหนด นอกจากนี้ยังจะสำรวจความเชื่อมโยงระหว่างการถดถอยเชิงเส้นและการถดถอยโลจิสติกในฐานะการประยุกต์ใช้ความน่าจะเป็นและสถิติใน data science

Exercise 1: จากค่าเฉลี่ยตัวอย่างสู่ค่าเฉลี่ยประชากร

แบบฝึกหัดปัจจุบัน

Exercise 2: การสร้างกลุ่มตัวอย่าง Exercise 3: การคำนวณค่าเฉลี่ยของกลุ่มตัวอย่าง Exercise 4: การพล็อตค่าเฉลี่ยของกลุ่มตัวอย่าง Exercise 5: การบวกตัวแปรสุ่ม Exercise 6: ค่าเฉลี่ยของตัวอย่าง Exercise 7: ค่าเฉลี่ยของกลุ่มตัวอย่างเป็นไปตามการแจกแจงแบบปกติ Exercise 8: การบวกผลลูกเต๋า Exercise 9: การถดถอยเชิงเส้น Exercise 10: การ Fit โมเดล Exercise 11: การพยากรณ์คะแนนสอบ Exercise 12: ศึกษาค่าคงเหลือ (Residuals)Exercise 13: การถดถอยโลจิสติก Exercise 14: การฟิตโมเดล Logistic Exercise 15: พยากรณ์ว่านักเรียนจะสอบผ่านหรือไม่Exercise 16: ผ่านสองวิชา Exercise 17: สรุปทบทวน