Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Leer Uitdaging: Kwaliteitscontrole Bemonstering | Kansrekening & Statistiek
Wiskunde voor Data Science

bookUitdaging: Kwaliteitscontrole Bemonstering

U bent de kwaliteitscontrolemanager in een fabriek voor de productie van staven. U moet metingen en defectaantallen simuleren met behulp van drie verschillende kansverdelingen om uw productieproces te modelleren:

  • Normale verdeling voor het gewicht van de staven (continu);
  • Binomiale verdeling voor het aantal defecte staven in partijen (discreet);
  • Uniforme verdeling voor toleranties in de lengte van de staven (continu).
Note
Notitie

Uw taak is om de formules en concepten uit uw college te vertalen naar Python-code. U mag GEEN ingebouwde numpy random sampling functies gebruiken (bijv. np.random.normal) of directe samplingmethoden van andere bibliotheken voor de verdelingen. Implementeer in plaats daarvan het genereren van steekproeven handmatig met behulp van de onderliggende principes en basis Python (bijv. random.random(), random.gauss()).

Te gebruiken formules

Normale verdeling PDF:

f(x)=1σ2πe−(x−μ)22σ2f(x) = \frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x - \mu)^2}{2\sigma^2}}

Standaardafwijking uit variantie:

σ=variance\sigma = \sqrt{\text{variance}}

Binomiale verdeling PMF:

P(X=k)=(nk)nk(1−n)n−k,waarbij(nk)=n!k!(n−k)!P(X = k) = \begin{pmatrix}n\\k\end{pmatrix}n^k(1-n)^{n-k},\quad \text{waarbij}\begin{pmatrix}n\\k\end{pmatrix} = \frac{n!}{k!(n-k)!}

Uniforme verdeling PDF:

f(x)=1b−avoora≤x≤bf(x) = \frac{1}{b-a}\quad \text{voor}\quad a \le x \le b
Taak

Swipe to start coding

  1. Vul de onderstaande startcode aan door de lege plekken (____) in te vullen met behulp van de bovenstaande concepten/formules.
  2. Gebruik alleen de modules random en math.
  3. Implementeer drie functies om 1000 steekproeven te genereren uit elke verdeling (Normaal: met random.gauss(); Binomiaal: simuleren van n Bernoulli-proeven; Uniform: schalen van random.random()).
  4. Plot histogrammen voor elke verdeling (de plotcode is gegeven, vul alleen de samplingfuncties en parameters aan).
  5. Behoud alle opmerkingen exact zoals weergegeven, deze lichten elke stap toe.
  6. Gebruik geen numpy random-functies of externe samplingbibliotheken.

Oplossing

Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 5. Hoofdstuk 12
single

single

Vraag AI

expand

Vraag AI

ChatGPT

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

Suggested prompts:

Can you explain how to use these distributions for simulating the production process?

What are typical parameter values for each distribution in this context?

Can you provide an example of how to calculate probabilities using these formulas?

close

Awesome!

Completion rate improved to 1.96

bookUitdaging: Kwaliteitscontrole Bemonstering

Veeg om het menu te tonen

U bent de kwaliteitscontrolemanager in een fabriek voor de productie van staven. U moet metingen en defectaantallen simuleren met behulp van drie verschillende kansverdelingen om uw productieproces te modelleren:

  • Normale verdeling voor het gewicht van de staven (continu);
  • Binomiale verdeling voor het aantal defecte staven in partijen (discreet);
  • Uniforme verdeling voor toleranties in de lengte van de staven (continu).
Note
Notitie

Uw taak is om de formules en concepten uit uw college te vertalen naar Python-code. U mag GEEN ingebouwde numpy random sampling functies gebruiken (bijv. np.random.normal) of directe samplingmethoden van andere bibliotheken voor de verdelingen. Implementeer in plaats daarvan het genereren van steekproeven handmatig met behulp van de onderliggende principes en basis Python (bijv. random.random(), random.gauss()).

Te gebruiken formules

Normale verdeling PDF:

f(x)=1σ2πe−(x−μ)22σ2f(x) = \frac{1}{\sigma\sqrt{2\pi}}e^{-\frac{(x - \mu)^2}{2\sigma^2}}

Standaardafwijking uit variantie:

σ=variance\sigma = \sqrt{\text{variance}}

Binomiale verdeling PMF:

P(X=k)=(nk)nk(1−n)n−k,waarbij(nk)=n!k!(n−k)!P(X = k) = \begin{pmatrix}n\\k\end{pmatrix}n^k(1-n)^{n-k},\quad \text{waarbij}\begin{pmatrix}n\\k\end{pmatrix} = \frac{n!}{k!(n-k)!}

Uniforme verdeling PDF:

f(x)=1b−avoora≤x≤bf(x) = \frac{1}{b-a}\quad \text{voor}\quad a \le x \le b
Taak

Swipe to start coding

  1. Vul de onderstaande startcode aan door de lege plekken (____) in te vullen met behulp van de bovenstaande concepten/formules.
  2. Gebruik alleen de modules random en math.
  3. Implementeer drie functies om 1000 steekproeven te genereren uit elke verdeling (Normaal: met random.gauss(); Binomiaal: simuleren van n Bernoulli-proeven; Uniform: schalen van random.random()).
  4. Plot histogrammen voor elke verdeling (de plotcode is gegeven, vul alleen de samplingfuncties en parameters aan).
  5. Behoud alle opmerkingen exact zoals weergegeven, deze lichten elke stap toe.
  6. Gebruik geen numpy random-functies of externe samplingbibliotheken.

Oplossing

Switch to desktopSchakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande opties
Was alles duidelijk?

Hoe kunnen we het verbeteren?

Bedankt voor je feedback!

Sectie 5. Hoofdstuk 12
single

single

some-alt