Conteúdo do curso Lição 30 de 246 · Módulo 2: Matemática e probabilidade, apenas conforme necessário
Módulo 2: Matemática e probabilidade, apenas conforme necessário

Chance, médias e dispersão

Por que isso importa Dados de treinamento são amostras aleatórias, pesos começam aleatórios e um classificador gera probabilidades. Você precisa de probabilidade suficiente apenas para ler esses números.

Veja isso

Role um dado justo muitas vezes. Cada face aparece cerca de 1 vez em 6. A média das faces se estabiliza perto de 3.5, embora você nunca possa rolar um 3.5. Esse valor de estabilização é o expected value: a média de longo prazo.

Uma amostra maior dá uma média mais próxima de 3.5. Com 10 lançamentos você pode ver 2.9 ou 4.1; com 10,000 lançamentos você verá algo como 3.49 ou 3.51. Lembre-se disso: um número medido em poucos exemplos oscila; em muitos, ele se estabiliza.

Probability: a participação a longo prazo de vezes que algo acontece. Expected value: a média a longo prazo, a soma de cada resultado vezes sua probabilidade.

Resumo As médias se estabilizam conforme a amostra cresce. Amostras pequenas mentem um pouco.

Palavras e símbolos nesta lição
valor esperado (E[x])
a média de longo prazo
Sua vez

Escreva expected_value(outcomes, probs) (soma do resultado vezes a probabilidade), e simulate_mean(n, seed) que rola um dado justo n vezes com np.random.default_rng(seed).integers(1, 7, size=n) e retorna a média.

Viu um problema nesta lição? Reporte-o · Pergunte sobre esta lição

Este exercício abre em breve

Termine a lição anterior para que esta seja desbloqueada. O curso inteiro é gratuito, não precisa de conta, e você pode ler esta lição agora mesmo.