Azar, medias y dispersión
Por qué importa Los datos de entrenamiento son muestras aleatorias, los pesos empiezan aleatorios y un clasificador da probabilidades. Necesitas la probabilidad justa para leer esos números.
Míralo
Tira un dado justo muchas veces. Cada cara sale más o menos 1 vez de cada 6. La media de las caras se asienta cerca de 3.5, aunque nunca puedes sacar un 3.5. Ese valor en el que se asienta es el valor esperado: la media a la larga.
Una muestra más grande da una media más cerca de 3.5. Con 10 tiradas podrías ver 2.9 o 4.1; con 10,000 tiradas verás algo como 3.49 o 3.51. Recuerda esto: un número medido con pocos ejemplos se tambalea; con muchos, se asienta.
Probabilidad: la proporción a la larga de veces que pasa algo. Valor esperado: la media a la larga, la suma de cada resultado por su probabilidad.
Resumen Las medias se asientan a medida que crece la muestra. Las muestras pequeñas mienten un poco.
Palabras y símbolos de esta lección
- valor esperado (E[x])
- la media a la larga
Escribe expected_value(outcomes, probs) (la suma de cada resultado por su probabilidad), y simulate_mean(n, seed) que tire un dado justo n veces con np.random.default_rng(seed).integers(1, 7, size=n) y devuelva la media.
¿Has visto un problema en esta lección? Avísanos · Preguntar sobre esta lección
Este ejercicio se abre pronto
Termina la lección anterior y esta se desbloquea. Todo el curso es gratis, no hace falta cuenta, y puedes leer esta lección ahora mismo.
Este navegador está bloqueando las cookies de learn.floati.life, así que las lecciones que terminaste aquí no se pueden abrir en orden. Permite las cookies de este sitio y recarga.