Phân phối xác suất và câu chuyện: Phân phối Nhị thức

Tư duy Thống kê với Python (Phần 1)

Justin Bois

Teaching Professor at the California Institute of Technology

Hàm khối xác suất (PMF)

Tập hợp xác suất của các kết quả rời rạc

PMF đều rời rạc

ch3-3.004.png

Phân phối xác suất

Mô tả toán học của các kết quả

Phân phối đều rời rạc: câu chuyện

Kết quả gieo một con xúc xắc công bằng là

Rời rạc
Phân phối đều.

Phân phối Nhị thức: câu chuyện

Số r thành công trong n phép thử Bernoulli với xác suất thành công p có phân phối Nhị thức
Số r lần sấp trong 4 lần tung đồng xu với xác suất sấp 0.5 có phân phối Nhị thức

Lấy mẫu từ phân phối Nhị thức

rng.binomial(4, 0.5)

rng.binomial(4, 0.5, size=10)

array([4, 3, 2, 1, 1, 0, 3, 2, 3, 0])

Hàm khối xác suất (PMF) Nhị thức

samples = rng.binomial(60, 0.1, size=10000)
n = 60
p = 0.1

ch3-3.019.png

Hàm phân phối tích lũy (CDF) Nhị thức

import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
x, y = ecdf(samples)
_ = plt.plot(x, y, marker='.', linestyle='none')
plt.margins(0.02)
_ = plt.xlabel('number of successes')
_ = plt.ylabel('CDF')
plt.show()

Hàm phân phối tích lũy (CDF) Nhị thức

ch3-3.022.png

Ayo berlatih!

Tư duy Thống kê với Python (Phần 1)