Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Wahrscheinlichkeit befasst sich damit, Vorhersagen über zufällige Phänomene zu treffen. In diesem Kurs lernst du die Konzepte von Zufallsvariablen, Verteilungen und Bedingung am Beispiel von Münzwürfen kennen. Außerdem bekommst du ein Gefühl dafür, wie man Wahrscheinlichkeitsprobleme mithilfe zufälliger Simulationen löst. Diese Prinzipien helfen dir, statistische Inferenz zu verstehen und lassen sich anwenden, um aus Daten Schlussfolgerungen zu ziehen.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Die Binomialverteilung
Eines der einfachsten und häufigsten Beispiele für ein zufälliges Phänomen ist ein Münzwurf: ein Ereignis, das mit einer gewissen Wahrscheinlichkeit entweder „ja“ oder „nein“ ist. Hier lernst du die Binomialverteilung kennen, die das Verhalten einer Kombination von Ja/Nein-Versuchen beschreibt und zeigt, wie man ihr Verhalten vorhersagt und simuliert.
- Münzwürfe in R50 XP
- Münzwürfe simulieren100 XP
- Ziehungen aus einer Binomialverteilung simulieren100 XP
- Dichte und kumulative Dichte50 XP
- Dichte einer Binomialverteilung berechnen100 XP
- Kumulative Dichte einer Binomialverteilung berechnen100 XP
- Anzahl der Versuche variieren100 XP
- Erwartungswert und Varianz50 XP
- Den Erwartungswert berechnen100 XP
- Die Varianz berechnen100 XP
2
Gesetze der Wahrscheinlichkeit
In diesem Kapitel lernst du, mehrere Wahrscheinlichkeiten zu kombinieren – zum Beispiel die Wahrscheinlichkeit, dass zwei Ereignisse beide eintreten oder dass mindestens eines eintritt – und jedes davon mit zufälligen Simulationen zu bestätigen. Außerdem lernst du einige Eigenschaften des Addierens und Multiplizierens von Zufallsvariablen kennen.
3
Bayessche Statistik
Die bayessche Statistik ist eine mathematisch fundierte Methode, um Überzeugungen anhand von Evidenz zu aktualisieren. In diesem Kapitel lernst du, den Satz von Bayes anzuwenden, um Schlussfolgerungen darüber zu ziehen, ob eine Münze fair oder verzerrt ist, und das mit Simulationen zu untermauern.
4
Verwandte Verteilungen
Bisher haben wir über die Binomialverteilung gesprochen, aber sie ist nur eine von vielen Wahrscheinlichkeitsverteilungen, die eine Zufallsvariable annehmen kann. In diesem Kapitel stellen wir drei weitere vor, die mit der Binomialverteilung verwandt sind: die Normal-, die Poisson- und die geometrische Verteilung.
R
Grundlagen der Wahrscheinlichkeit mit R
Kurs
abgeschlossen
