Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Дискретний рівномірний розподіл | Дискретні розподіли
Теорія ймовірностей

Свайпніть щоб показати меню

book
Дискретний рівномірний розподіл

Поговоримо про дискретні розподіли.

Що це таке?

Дискретний розподіл - це розподіл, який має скінченну кількість можливих результатів.

Щоб глибше зануритися в це визначення, краще розглянути перший приклад, рівномірний розподіл.

Для роботи з цим розподілом нам слід імпортувати об'єкт uniform з scipy.stats, після чого ми зможемо застосувати до цього розподілу численні функції.

Ключові характеристики:

Кожний результат має однакову ймовірність появи.

Приклад:

Коли ми кидаємо гральний кубик, кожна подія завжди має однакову ймовірність. Як ми пам'ятаємо з цього розділу, імовірність - це дріб, де кількість бажаного результату є чисельником, а кількість усіх результатів - знаменником.

розподіл

Деяка теорія:

Середнє значення розподілу, яке також називають очікуваним значенням, визначає середнє значення вибірки. Стандартне відхилення виражає, наскільки випадкове значення з вибірки відрізняється від середнього.

Тут немає сенсу говорити про середнє та стандартне відхилення; причина в тому, що всі результати мають однакову ймовірність. Немає ніяких відхилень або викидів. До речі, ми навіть не можемо зробити прогноз на основі рівномірного розподілу.

Ми не будемо багато працювати з цим розподілом, тому що матимемо справу з розподілами, які мають більшу прогностичну силу.

Але познайомитися з ним ми повинні! Спробуйте побудувати випадкову вибірку рівномірного розподілу. Це можна зробити за допомогою об'єкта uniform з scipy.stats, синтаксис - uniform.rvs(size), де потрібно задати розмір.

Завдання

Swipe to start coding

Спробуйте побудувати рівномірний розподіл за таким алгоритмом:

  1. Імпортувати бібліотеку seaborn як sns.
  2. Імпортувати об'єкт uniform з файлу scipy.stats.
  3. Імпортувати matplotlib.pyplot як plt.
  4. Створити розподіл uniform розміром 20000.
  5. Створити histplot з Seaborn на основі uniform розподілу.

Рішення

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 4. Розділ 1

Запитати АІ

expand
ChatGPT

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

book
Дискретний рівномірний розподіл

Поговоримо про дискретні розподіли.

Що це таке?

Дискретний розподіл - це розподіл, який має скінченну кількість можливих результатів.

Щоб глибше зануритися в це визначення, краще розглянути перший приклад, рівномірний розподіл.

Для роботи з цим розподілом нам слід імпортувати об'єкт uniform з scipy.stats, після чого ми зможемо застосувати до цього розподілу численні функції.

Ключові характеристики:

Кожний результат має однакову ймовірність появи.

Приклад:

Коли ми кидаємо гральний кубик, кожна подія завжди має однакову ймовірність. Як ми пам'ятаємо з цього розділу, імовірність - це дріб, де кількість бажаного результату є чисельником, а кількість усіх результатів - знаменником.

розподіл

Деяка теорія:

Середнє значення розподілу, яке також називають очікуваним значенням, визначає середнє значення вибірки. Стандартне відхилення виражає, наскільки випадкове значення з вибірки відрізняється від середнього.

Тут немає сенсу говорити про середнє та стандартне відхилення; причина в тому, що всі результати мають однакову ймовірність. Немає ніяких відхилень або викидів. До речі, ми навіть не можемо зробити прогноз на основі рівномірного розподілу.

Ми не будемо багато працювати з цим розподілом, тому що матимемо справу з розподілами, які мають більшу прогностичну силу.

Але познайомитися з ним ми повинні! Спробуйте побудувати випадкову вибірку рівномірного розподілу. Це можна зробити за допомогою об'єкта uniform з scipy.stats, синтаксис - uniform.rvs(size), де потрібно задати розмір.

Завдання

Swipe to start coding

Спробуйте побудувати рівномірний розподіл за таким алгоритмом:

  1. Імпортувати бібліотеку seaborn як sns.
  2. Імпортувати об'єкт uniform з файлу scipy.stats.
  3. Імпортувати matplotlib.pyplot як plt.
  4. Створити розподіл uniform розміром 20000.
  5. Створити histplot з Seaborn на основі uniform розподілу.

Рішення

Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 4. Розділ 1
Switch to desktopПерейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів
Ми дуже хвилюємося, що щось пішло не так. Що трапилося?
some-alt