Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Біноміальний Розподіл | Поширені Дискретні Розподіли
Основи Теорії Ймовірностей
course content

Зміст курсу

Основи Теорії Ймовірностей

Основи Теорії Ймовірностей

1. Базові Поняття Теорії Ймовірностей
2. Ймовірність Складних Подій
3. Поширені Дискретні Розподіли
4. Поширені Неперервні Розподіли
5. Коваріація та Кореляція

book
Біноміальний Розподіл

Дискретний розподіл описує експеримент з кінцевою кількістю можливих результатів.

Уявіть стохастичний експеримент лише з двома можливими результатами: успіх і невдача.
Ймовірність отримати успіх дорівнює p, відповідно, ймовірність отримати невдачу — 1-p.
Такий експеримент називається випробуванням Бернуллі. Послідовність кількох незалежних випробувань Бернуллі називається процесом Бернуллі.
Припустимо, ми підкидаємо монету і хочемо отримати решку. Таке підкидання буде випробуванням Бернуллі. Якщо ми підкинемо монету 2 або більше разів, це буде процес Бернуллі.

Ми можемо провести процес Бернуллі в Python за допомогою методу .rvs() класу scipy.stats.bernoulli.
Припустимо, у нас є несиметрична монета, у якої ймовірності випадіння орла і решки різні. Ми можемо змоделювати 10 підкидань такої монети за допомогою наступного коду:

12345678
from scipy.stats import bernoulli # Define the probability of success (getting a head for example) probability = 0.3 # Generate Bermoulli process random_samples = bernoulli.rvs(size=10, p=probability) print(f'Bernoulli process: {random_samples}')
copy

У методі .rvs() вище ми вказуємо параметри size та p. Перший параметр використовується для визначення кількості значень, які потрібно згенерувати, а другий — для визначення ймовірності успіху.

Біноміальний розподіл — це дискретний ймовірнісний розподіл, який описує кількість успіхів (k) у процесі Бернуллі з фіксованою кількістю випробувань (n).

Розглянемо приклад:

12345678910
from scipy.stats import binom # Parameters n_samples = 10 # Number of trials proba = 0.5 # Probability of success # Calculate the probability that there are k successes k = 3 # Number of successes pmf = binom.pmf(k, n=n_samples, p=proba) print(f'Probability of getting {k} successes: {pmf:.4f}')
copy

Ми використали метод .pmf() класу scipy.stats.binom з параметрами n (кількість випробувань) та p (ймовірність успіху) для обчислення ймовірності того, що буде рівно 3 (перший аргумент методу .pmf()) успіхи у 10 випробуваннях Бернуллі. Метод .pmf() буде розглянуто детальніше у курсі Probability Theory Mastering.

Примітка

Важливо розуміти різницю — випробування Бернуллі є стохастичним експериментом з певними властивостями, тоді як біноміальний розподіл — це правило, за яким можна обчислити ймовірності настання подій у процесі Бернуллі.

question mark

Оберіть приклади випробування Бернуллі:

Select the correct answer

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 3. Розділ 1

Запитати АІ

expand

Запитати АІ

ChatGPT

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

course content

Зміст курсу

Основи Теорії Ймовірностей

Основи Теорії Ймовірностей

1. Базові Поняття Теорії Ймовірностей
2. Ймовірність Складних Подій
3. Поширені Дискретні Розподіли
4. Поширені Неперервні Розподіли
5. Коваріація та Кореляція

book
Біноміальний Розподіл

Дискретний розподіл описує експеримент з кінцевою кількістю можливих результатів.

Уявіть стохастичний експеримент лише з двома можливими результатами: успіх і невдача.
Ймовірність отримати успіх дорівнює p, відповідно, ймовірність отримати невдачу — 1-p.
Такий експеримент називається випробуванням Бернуллі. Послідовність кількох незалежних випробувань Бернуллі називається процесом Бернуллі.
Припустимо, ми підкидаємо монету і хочемо отримати решку. Таке підкидання буде випробуванням Бернуллі. Якщо ми підкинемо монету 2 або більше разів, це буде процес Бернуллі.

Ми можемо провести процес Бернуллі в Python за допомогою методу .rvs() класу scipy.stats.bernoulli.
Припустимо, у нас є несиметрична монета, у якої ймовірності випадіння орла і решки різні. Ми можемо змоделювати 10 підкидань такої монети за допомогою наступного коду:

12345678
from scipy.stats import bernoulli # Define the probability of success (getting a head for example) probability = 0.3 # Generate Bermoulli process random_samples = bernoulli.rvs(size=10, p=probability) print(f'Bernoulli process: {random_samples}')
copy

У методі .rvs() вище ми вказуємо параметри size та p. Перший параметр використовується для визначення кількості значень, які потрібно згенерувати, а другий — для визначення ймовірності успіху.

Біноміальний розподіл — це дискретний ймовірнісний розподіл, який описує кількість успіхів (k) у процесі Бернуллі з фіксованою кількістю випробувань (n).

Розглянемо приклад:

12345678910
from scipy.stats import binom # Parameters n_samples = 10 # Number of trials proba = 0.5 # Probability of success # Calculate the probability that there are k successes k = 3 # Number of successes pmf = binom.pmf(k, n=n_samples, p=proba) print(f'Probability of getting {k} successes: {pmf:.4f}')
copy

Ми використали метод .pmf() класу scipy.stats.binom з параметрами n (кількість випробувань) та p (ймовірність успіху) для обчислення ймовірності того, що буде рівно 3 (перший аргумент методу .pmf()) успіхи у 10 випробуваннях Бернуллі. Метод .pmf() буде розглянуто детальніше у курсі Probability Theory Mastering.

Примітка

Важливо розуміти різницю — випробування Бернуллі є стохастичним експериментом з певними властивостями, тоді як біноміальний розподіл — це правило, за яким можна обчислити ймовірності настання подій у процесі Бернуллі.

question mark

Оберіть приклади випробування Бернуллі:

Select the correct answer

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 3. Розділ 1
some-alt