After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
La probabilità studia le regolarità che emergono nei risultati di esperimenti casuali. In questo corso scoprirai concetti fondamentali come le variabili aleatorie (partendo dal classico lancio della moneta), come calcolare media e varianza, le distribuzioni di probabilità e la probabilità condizionata. Esploreremo anche due risultati molto importanti: la legge dei grandi numeri e il teorema del limite centrale. Poiché la probabilità è al cuore della data science e del Machine Learning, questi concetti ti aiuteranno a comprendere e applicare i modelli in modo più solido. Le probabilità sono ovunque, e lo studio della probabilità cambierà il tuo modo di vedere il mondo. Pronti al caso!
Prerequisiti
Curriculum
Programma del corso
1
Cominciamo a lanciare monete
Il lancio di una moneta è l’esempio classico di esperimento casuale. I possibili esiti sono testa o croce. Questo tipo di esperimento, noto come prova di Bernoulli o binomiale, ci permette di studiare problemi con due possibili risultati, come “sì” o “no” e “voto” o “non voto”. Questo capitolo introduce gli esperimenti di Bernoulli, le distribuzioni binomiali per modellare prove di Bernoulli multiple e le simulazioni di probabilità con la libreria scipy.
- Tiriamo una moneta in Python50 XP
- Lancio di monete100 XP
- Usare binom per lanciare ancora più monete100 XP
- Funzioni di massa e di distribuzione di probabilità50 XP
- Prevedere la probabilità di difetti100 XP
- Prevedere lo stato occupazionale100 XP
- Prevedere il tasso di condanne per furto con scasso100 XP
- Valore atteso, media e varianza50 XP
- Calcolare valore atteso e varianza50 XP
- Calcolare la media campionaria100 XP
- Verifica del risultato100 XP
- Calcolare media e varianza di un campione100 XP
2
Calcola alcune probabilità
In questo capitolo imparerai a calcolare vari tipi di probabilità, come la probabilità dell’intersezione tra due eventi e la somma delle probabilità di due eventi, e a simularne i casi. Imparerai anche la probabilità condizionata e come applicare la regola di Bayes.
3
Distribuzioni di probabilità importanti
Finora abbiamo lavorato con distribuzioni binomiali, ma esistono molte distribuzioni di probabilità che può assumere una variabile aleatoria. In questo capitolo ne introdurremo altre tre, collegate alla binomiale: le distribuzioni normale, di Poisson e geometrica.
4
Quando la probabilità incontra la statistica
Ora che sai calcolare probabilità e proprietà importanti delle distribuzioni di probabilità, introdurremo due risultati fondamentali: la legge dei grandi numeri e il teorema del limite centrale. Questo amplierà la tua comprensione di come la media campionaria converge alla media della popolazione man mano che aumentano i dati e di come si comporta la somma di variabili aleatorie in certe condizioni.
Esploreremo anche i legami tra regressione lineare e regressione logistica come applicazioni di probabilità e statistica nella data science.
Fondamenti di probabilità in Python
Corso
completato
