在許多情況下，我們會遇到彼此相依的事件，而我們想在考量這種關係下來計算機率。
另一方面，很多問題可以透過對樣本空間中的元素進行分類來分析。若分類之間沒有共同元素（也就是彼此不重疊），會更容易處理。在這個脈絡下，請回答下列問題：
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
擲硬幣是隨機實驗的經典例子。可能的結果是正面或反面。這類實驗稱為 Bernoulli 或二項試驗，可用來研究只有兩種結果的情況，例如「是／否」與「投票／不投票」。本章將介紹 Bernoulli 實驗、用來刻劃多次 Bernoulli 試驗的二項分佈，以及使用 scipy 函式庫進行機率模擬。
在本章中，你將學會計算各種機率，例如兩個事件的交集機率與兩個事件機率的和，並模擬這些情境。你也會學到條件機率，以及如何應用貝氏法則。
當前練習
到目前為止，我們一直在使用二項分佈，但隨機變數可以有許多不同的機率分佈。本章將介紹另外三種與二項分佈相關的分佈：常態分佈、Poisson 分佈與幾何分佈。
現在你已經知道如何計算機率與機率分佈的重要性質了，我們將介紹兩個重要結果：大數法則與中央極限定理。這會加深你對於樣本平均在資料增多時如何收斂到母體平均，以及在特定條件下隨機變數和的行為的理解。 我們也會探討線性迴歸與邏輯斯迴歸之間的關聯，作為機率與統計在資料科學中的應用。
