After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
Sannolikhetslära handlar om de regelbundenheter som uppstår i utfall av slumpmässiga experiment. I den här kursen lär du dig grundläggande sannolikhetsbegrepp som slumpvariabler (med det klassiska myntsinget som exempel) och hur man beräknar väntevärde och varians, sannolikhetsfördelningar och betingad sannolikhet. Vi utforskar också två viktiga resultat inom sannolikhetsläran: de stora talens lag och centrala gränsvärdessatsen. Eftersom sannolikhetslära är central inom datavetenskap och maskininlärning hjälper dessa begrepp dig att förstå och tillämpa modeller på ett mer robust sätt. Slumpen finns överallt – och sannolikhetsläran kommer att förändra hur du ser på världen. Nu sätter vi igång!
Förkunskapskrav
Kursplan
Kursöversikt
1
Vi börjar singla slant
Att singla slant är det klassiska exemplet på ett slumpmässigt experiment. De möjliga utfallen är krona eller klave. Den här typen av experiment, känt som ett Bernoulli- eller binomialförsök, gör det möjligt att studera problem med två möjliga utfall, till exempel "ja" eller "nej" och "röstar" eller "röstar inte". Det här kapitlet introducerar Bernoulliexperiment, binomialfördelningar för att modellera upprepade Bernoulliförsök, samt sannolikhetssimulationer med biblioteket scipy.
- Låt oss singla slant i Python50 XP
- Singla slant100 XP
- Simulera ännu fler myntkast med binom100 XP
- Sannolikhetsmassa och fördelningsfunktioner50 XP
- Förutsäga sannolikheten för defekter100 XP
- Förutsäga sysselsättningsstatus100 XP
- Förutsäga uppklaringsgraden för inbrott100 XP
- Förväntat värde, medelvärde och varians50 XP
- Beräkna förväntat värde och varians50 XP
- Beräkna stickprovsmedelvärdet100 XP
- Kontrollera resultatet100 XP
- Beräkna medelvärde och varians för ett urval100 XP
2
Beräkna sannolikheter
I det här kapitlet lär du dig att beräkna olika typer av sannolikheter, till exempel sannolikheten för snittet av två händelser och summan av sannolikheter för två händelser, samt att simulera sådana situationer. Du lär dig också om betingad sannolikhet och hur man tillämpar Bayes sats.
3
Viktiga sannolikhetsfördelningar
Hittills har vi arbetat med binomialfördelningar, men en slumpvariabel kan följa många olika sannolikhetsfördelningar. I det här kapitlet introducerar vi tre till som är relaterade till binomialfördelningen: normalfördelningen, Poissonfördelningen och den geometriska fördelningen.
4
Sannolikhet möter statistik
Nu när du kan beräkna sannolikheter och känner till viktiga egenskaper hos sannolikhetsfördelningar introducerar vi två viktiga resultat: de stora talens lag och centrala gränsvärdessatsen. Det ger dig en djupare förståelse för hur stickprovsmedelvärdet konvergerar mot populationsmedelvärdet när mer data finns tillgänglig, och hur summan av slumpvariabler beter sig under vissa betingelser.
Vi utforskar också kopplingarna mellan linjär och logistisk regression som tillämpningar av sannolikhetslära och statistik inom datavetenskap.
Grunderna i sannolikhetslära med Python
Kurs
slutförd
