ตัวอย่างความน่าจะเป็น

ในแบบฝึกหัดนี้ เราจะทบทวนความแตกต่างระหว่างการสุ่มตัวอย่างแบบคืนและไม่คืน โดยจะคำนวณความน่าจะเป็นของเหตุการณ์หนึ่งผ่านการจำลอง แล้วเปลี่ยนวิธีการสุ่มเพื่อดูว่าส่งผลต่อความน่าจะเป็นอย่างไร

สมมติว่ามีชามลูกอมสีต่าง ๆ ประกอบด้วยสีน้ำเงิน 3 เม็ด สีเขียว 2 เม็ด และสีเหลือง 5 เม็ด จงหยิบลูกอม 3 เม็ด ครั้งละ 1 เม็ด ทั้งแบบคืนและไม่คืน แล้วคำนวณความน่าจะเป็นที่ ลูกอมทั้ง 3 เม็ดเป็นสีเหลืองทั้งหมด

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การจำลองทางสถิติด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้าง bowl เป็น list ที่มีลูกอมสีน้ำเงิน 'b' 3 เม็ด สีเขียว 'g' 2 เม็ด และสีเหลือง 'y' 5 เม็ด
สุ่มตัวอย่างลูกอม 3 เม็ด แบบคืน (sample_rep) และแบบไม่คืน (sample_no_rep)
สำหรับตัวอย่างแบบคืน ถ้าไม่มีลูกอม 'b' หรือ 'g' ใน sample_rep ให้เพิ่มค่า success_rep ขึ้น 1 ในทำนองเดียวกัน ให้เพิ่มค่า success_no_rep เมื่อไม่มีลูกอม 'b' หรือ 'g' ใน sample_no_rep
คำนวณความน่าจะเป็นของแต่ละแบบโดยหารจำนวนครั้งที่สำเร็จด้วยจำนวนรอบทั้งหมด

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Set up the bowl
success_rep, success_no_rep, sims = 0, 0, 10000
bowl = list(____*3 + ____*2 + ____*5)

for i in range(sims):
    # Sample with and without replacement & increment success counters
    sample_rep = np.random.____(bowl, size=3, replace=____)
    sample_no_rep = np.random.____(bowl, size=3, replace=____)
    if ('b' not in sample_rep) & ('g' not in sample_rep) : 
        ____
    if ('b' not in sample_no_rep) & ('g' not in sample_no_rep) : 
        ____

# Calculate probabilities
prob_with_replacement = ____/sims
prob_without_replacement = ____/sims
print("Probability with replacement = {}, without replacement = {}".format(prob_with_replacement, prob_without_replacement))

แก้ไขและรันโค้ด