Bayes teoremi uygulaması

Gelin, oldukça basit ama mülakatlarda sıkça karşına çıkan bir Bayes teoremi sorusunu gerçekten çözelim. Elinde iki madeni para var. Bu iki paradan biri gerçek bir para (yazı ve tura), diğeri ise her iki yüzünde de tura olan arızalı bir para.

Gözlerin bağlı ve rastgele bir para seçip havaya atman isteniyor. Para yere tura üstte gelecek şekilde düşüyor. Bunun arızalı para olma olasılığını bul.

Bu egzersiz

Python ile İstatistik Mülakat Soruları Pratiği

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Paranın tura gelme olasılığını yazdır.
Paranın arızalı olma olasılığını yazdır.
Paranın hem arızalı hem de tura gelme olasılığını yazdır.
Para tura geldiğine göre, arızalı olma olasılığını yazdır ve hesapla.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Print P(tails)
print(____)

# Print P(faulty)
print(____)

# Print P(tails and faulty)
print(____)

# Print P(faulty | tails)
print(____)

Kodu Düzenle ve Çalıştır

Bu egzersiz

Python ile İstatistik Mülakat Soruları Pratiği

kursunun bir parçasıdır

AvançadoNível de habilidade

4.7+

Kursa Ücretsiz Başlayın

This chapter kicks the course off by reviewing conditional probabilities, Bayes' theorem, and central limit theorem. Along the way, you will learn how to handle questions that work with commonly referenced probability distributions.

Exercise 1: Koşullu olasılıklar Exercise 2: Problemleri kurma Exercise 3: Bayes teoremi uygulaması

Geçerli Egzersiz

Exercise 4: Merkezi limit teoremi Exercise 5: Zar atışlarından örnekler Exercise 6: Merkezi limit teoremini simüle etme Exercise 7: Olasılık dağılımları Exercise 8: Bernoulli dağılımı Exercise 9: Binom dağılımı Exercise 10: Normal dağılım

In this chapter, you will prepare for statistical concepts related to exploratory data analysis. The topics include descriptive statistics, dealing with categorical variables, and relationships between variables. The exercises will prepare you for an analytical assessment or stats-based coding question.

Exercise 1: Descriptive statistics Exercise 2: Mean or median Exercise 3: Standard deviation by hand Exercise 4: Categorical data Exercise 5: Encoding techniques Exercise 6: Exploring laptop prices Exercise 7: Two or more variables Exercise 8: Types of relationships Exercise 9: Pearson correlation Exercise 10: Sensitivity to outliers

Prepare to dive deeper into crucial concepts regarding experiments and testing by reviewing confidence intervals, hypothesis testing, multiple tests, and the role that power and sample size play. We'll also discuss types of errors, and what they mean in practice.

Exercise 1: Confidence intervals Exercise 2: Confidence interval by hand Exercise 3: Applying confidence intervals Exercise 4: Hypothesis testing Exercise 5: One tailed z-test Exercise 6: Two tailed t-test Exercise 7: Power and sample size Exercise 8: Effect on type II error Exercise 9: Calculating sample size Exercise 10: Visualizing the relationship Exercise 11: Multiple testing Exercise 12: Calculating error rates Exercise 13: Bonferroni correction

Wrapping up, we'll address concepts related closely to regression and classification models. The chapter begins by reviewing fundamental machine learning algorithms and quickly ramps up to model evaluation, dealing with special cases, and the bias-variance tradeoff.

Exercise 1: Regression models Exercise 2: Linear regression Exercise 3: Logistic regression Exercise 4: Evaluating models Exercise 5: Regression evaluation Exercise 6: Classification evaluation Exercise 7: Missing data and outliers Exercise 8: Handling null values Exercise 9: Identifying outliers Exercise 10: Bias-variance tradeoff Exercise 11: Test and training error Exercise 12: Visualizing the tradeoff Exercise 13: Wrapping up