Зміст курсу
Основи Теорії Ймовірностей
Основи Теорії Ймовірностей
Неперервний Рівномірний Розподіл
Неперервний розподіл описує стохастичний експеримент з нескінченною кількістю можливих результатів.
Неперервний рівномірний розподіл
Неперервний рівномірний розподіл описує експеримент, у якому всі результати в межах інтервалу мають однакову ймовірність появи.
Якщо змінна розподілена рівномірно, для обчислення ймовірностей можна використовувати геометричний підхід.
Приклад
Розглянемо відрізок довжиною 10
одиниць. Яка ймовірність випадково вибрати точку на відрізку так, щоб відстань від початку до цієї точки була між 3 and 7
одиницями?
У цьому випадку положення або точка розподілені рівномірно на відрізку довжиною 10
.
Можна просто поділити довжину бажаного інтервалу на всю довжину відрізка.
Також можна скористатися методом .cdf()
класу scipy.stats.uniform
для обчислення відповідної ймовірності:
from scipy.stats import uniform # Parameters of an experiment whole_length = 10 range_start = 3 range_end = 7 # Geometrical approach desired_length = range_end - range_start geom_proba = desired_length / whole_length print(f'Geometrical probability is {geom_proba:.4f}') # Using `.cdf()` method upper_cdf = uniform.cdf(range_end, loc=0, scale=whole_length) lower_cdf = uniform.cdf(range_start, loc=0, scale=whole_length) cdf_proba = upper_cdf - lower_cdf print(f'Probability using .cdf() is {cdf_proba:.4f}')
Перший параметр методу .cdf()
визначає точку, у якій обчислюється ймовірність; параметр loc
визначає початок відрізка, а scale
— довжину відрізка.
Метод .cdf()
обчислює ймовірність того, що результат експерименту потрапить у певний інтервал: .cdf(interval_end) - .cdf(interval_start)
.
Детальніше цей метод буде розглянуто у курсі Probability Theory Mastering.
Дякуємо за ваш відгук!