TIL#8-1
3312 ワード
2週目Day 4
今日は確率分布メインの講座です
コンポジット
(出典:Programmers人工知能数学授業中)
ベッツの定理
かくりつぶんぷ
ランダム変数ランダム実験結果に依存する誤り すなわちサンプル空間部分セットに対応する実数 サイコロを2個投げる実験 サイコロ数の和:確率変数 サイコロ数字の差:確率変数 2サイコロの数のうち等しいまたは大きい数:確率変数 離散確率変数 の確率変数が、可能なすべての数値(例えば、サイコロ、コイン、および例)を1つずつ計算できる場合、 .
連続確率変数 (ex:ランダムに選択した男子の身長) 未満
離散確率変数の確率分布確率変数Xがxである確率 P(X = x) = f(x) 確率質量関数
ex)確率変数Xが持つことができる値:0、2、5
P(X=x) = f(x) = x+110\frac{x+1}{10}10x+1
P(X=0)=0.1, P(X=2)=0.3, P(X=5)=0.6 離散確率変数の分散: 実験を行うたびに確率変数の値が変化するので,変動度合いの分散を計算できる.
確率変数Xの分布:単純
E(X)2−E(x)2E(X)^2 - {E(x)}^2E(X)2−E(x)2
にこうぶんぷヴェルヌイ実施 正確な結果が2つしかない実験(ex:コイン投げ) 成功率:p 確率変数X n回ヴェルヌイ試行成功回数 を抗確率変数 と呼ぶ.
にこうぶんぷ二項確率変数の確率分布
ex:あるランダムボックスの抽出成功率は0.2です.
3つまで引いたとき、少なくとも1つ以上成功する確率は?
連続確率変数の確率分布
今日は確率分布メインの講座です
コンポジット
(出典:Programmers人工知能数学授業中)
ベッツの定理
かくりつぶんぷ
ランダム変数
離散確率変数の確率分布
ex)確率変数Xが持つことができる値:0、2、5
P(X=x) = f(x) = x+110\frac{x+1}{10}10x+1
P(X=0)=0.1, P(X=2)=0.3, P(X=5)=0.6
E(X)2−E(x)2E(X)^2 - {E(x)}^2E(X)2−E(x)2
にこうぶんぷ
にこうぶんぷ
ex:あるランダムボックスの抽出成功率は0.2です.
3つまで引いたとき、少なくとも1つ以上成功する確率は?
#파이썬에서 이항롹률변수의 확률분포 계산하기
form scipy import stats
1-stats.binom.cdf(0, n=3, p=0.2)
==> 0.48799999999 #실행결과
二項分布の平均、分散、標準偏差stats.binom.stats(n=3, p=0.2)
==> (array(0.6, array(0.48)) #으로 출력
せいじょうぶんぷReference
この問題について(TIL#8-1), 我々は、より多くの情報をここで見つけました https://velog.io/@yoon1996/TIL8テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol