Beklenen değer ve varyans hesaplama

n=10 ve p=0.25 parametrelerine sahip bir binom dağılımından beklenen değeri ve varyansı nasıl hesaplarsın?

Bu egzersiz, kursun bir parçasıdır

Python ile Olasılığın Temelleri

Kursa Göz Atın

Uygulamalı etkileşimli egzersiz

Teoriyi etkileşime dönüştürün, interaktif egzersizlerimizden biriyle

Egzersize başla

Bu egzersiz, kursun bir parçasıdır

Python ile Olasılığın Temelleri

IntermediárioNível de habilidade

4.8+

Kursa Ücretsiz Başla

Para atma, rastgele bir deneye verilebilecek en klasik örnektir. Olası sonuçlar yazı veya tura. Bernoulli ya da binom deneyi olarak bilinen bu tür deneyler, "evet" ya da "hayır" ve "oy" ya da "oy yok" gibi iki olası sonuca sahip problemleri incelememize olanak tanır. Bu bölümde, Bernoulli deneylerini, birden çok Bernoulli denemesini modellemek için binom dağılımlarını ve scipy kütüphanesiyle olasılık benzetimlerini tanıtıyoruz.

Exercise 1: Haydi Python'da yazı tura atalım Exercise 2: Yazı tura atmak Exercise 3: Daha da fazla yazı-tura atmak için binom kullanma Exercise 4: Olasılık kütlesi ve dağılım fonksiyonları Exercise 5: Kusur olasılığını tahmin etmek Exercise 6: İstihdam durumunu tahmin etme Exercise 7: Hırsızlık çözülme oranını tahmin etme Exercise 8: Beklenen değer, ortalama ve varyans Exercise 9: Beklenen değer ve varyans hesaplama

Geçerli egzersiz

Exercise 10: Örneklem ortalamasını hesaplama Exercise 11: Sonucu kontrol et Exercise 12: Bir örneklemin ortalamasını ve varyansını hesaplama

Bu bölümde iki olayın kesişiminin olasılığı ve iki olayın olasılıklarının toplamı gibi çeşitli olasılıkları hesaplamayı ve bu durumları benzetimle göstermeyi öğreneceksin. Ayrıca koşullu olasılığı ve Bayes kuralını nasıl uygulayacağını da göreceksin.

Exercise 1: İki olayın olasılıklarını hesaplama Exercise 2: Herhangi bir örtüşme var mı?Exercise 3: Bir örneklem ölçmek Exercise 4: Birleşik olasılıklar Exercise 5: Kağıt destesindeki kartlar Exercise 6: Koşullu olasılıklar Exercise 7: Geciken uçuşlar Exercise 8: Olasılık tablosu Exercise 9: Daha fazla kart Exercise 10: Toplam olasılık yasası Exercise 11: Formula 1 motorları Exercise 12: Seçmenler Exercise 13: Bayes kuralı Exercise 14: Koşullama Exercise 15: Fabrikalar ve parçalar Exercise 16: Domuz gribi kan testi

Şimdiye kadar binom dağılımlarıyla çalıştık, ancak bir rassal değişkenin alabileceği birçok olasılık dağılımı vardır. Bu bölümde binom dağılımıyla ilişkili üç dağılımı daha tanıtacağız: normal, Poisson ve geometrik dağılımlar.

Exercise 1: Normal dağılımlar Exercise 2: Değer aralığı Exercise 3: Normal dağılımların görselleştirilmesi Exercise 4: Üç standart sapma içinde Exercise 5: Normal olasılıkları Exercise 6: Restoran harcaması örneği Exercise 7: Akıllı telefon pili örneği Exercise 8: Yetişkin boyları örneği Exercise 9: Poisson dağılımları Exercise 10: ATM örneği Exercise 11: Otoyol kazaları örneği Exercise 12: Poisson dağılımlarını üretme ve görselleştirme Exercise 13: Geometrik dağılımlar Exercise 14: Somon yakalama örneği Exercise 15: Serbest atış örneği Exercise 16: Geometrik dağılımlar üretme ve görselleştirme

Artık olasılıkları ve olasılık dağılımlarının önemli özelliklerini nasıl hesaplayacağını bildiğine göre, iki önemli sonucu tanıtacağız: büyük sayılar yasası ve merkezi limit teoremi. Bu sayede daha fazla veri geldikçe örnek ortalamasının ana kütle ortalamasına nasıl yaklaştığını ve belirli koşullar altında rassal değişkenlerin toplamının nasıl davrandığını daha iyi anlayacaksın. Ayrıca veri biliminde olasılık ve istatistiğin birer uygulaması olarak doğrusal ve lojistik regresyon arasındaki bağlantıları da inceleyeceğiz.

Exercise 1: Örneklem ortalamasından anakütle ortalamasına Exercise 2: Bir örneklem üretme Exercise 3: Örneklem ortalamasını hesaplama Exercise 4: Örneklem ortalamasını görselleştirme Exercise 5: Rastgele değişkenleri toplama Exercise 6: Örnek ortalamaları Exercise 7: Örnek ortalamaları normal dağılımı izler Exercise 8: Zar atışlarını toplamak Exercise 9: Doğrusal regresyon Exercise 10: Bir modeli uydurma Exercise 11: Test puanlarını tahmin etme Exercise 12: Artıkların incelenmesi Exercise 13: Lojistik regresyon Exercise 14: Lojistik bir modeli uydurma Exercise 15: Öğrencilerin geçip geçmeyeceğini tahmin etme Exercise 16: İki testi geçmek Exercise 17: Kapanış