พื้นฐานความน่าจะเป็น

การจำลองทางสถิติด้วย Python

Tushar Shanker

Data Scientist

ปริภูมิตัวอย่าง

Sample Space $S$: เซตของผลลัพธ์ที่เป็นไปได้ทั้งหมด

ปริภูมิตัวอย่างของลูกเต๋า

การจำลองทางสถิติด้วย Python

ความน่าจะเป็น

Sample Space $S$: เซตของผลลัพธ์ที่เป็นไปได้ทั้งหมด

Probability $P(A)$: โอกาสที่เหตุการณ์ $A$ จะเกิดขึ้น

  • $0 \leq P(A) \leq 1$
  • $P(S) = 1$ เช่น $P(H) + P(T)=1$
การจำลองทางสถิติด้วย Python

ความน่าจะเป็น

Sample Space $S$: เซตของผลลัพธ์ที่เป็นไปได้ทั้งหมด

Probability $P(A)$: โอกาสที่เหตุการณ์ $A$ จะเกิดขึ้น

  • $0 \leq P(A) \leq 1$
  • $P(S) = 1$ เช่น $P(H) + P(T)=1$

เหรียญ

การจำลองทางสถิติด้วย Python

เหตุการณ์ที่ Mutually Exclusive

Sample Space $S$: เซตของผลลัพธ์ที่เป็นไปได้ทั้งหมด

Probability $P(A)$: โอกาสที่เหตุการณ์ $A$ จะเกิดขึ้น

  • $0 \leq P(A) \leq 1$
  • $P(S) = 1$
    • $P(H) + P(T)=1$
  • สำหรับเหตุการณ์ $A$ และ $B$ ที่ mutually exclusive:
    • $P(A \cap B) = 0$
    • $P(A \cup B) = P(A) + P(B)$
การจำลองทางสถิติด้วย Python

ความน่าจะเป็น

$P(A \cup B) = P(A) + P(B) - P(A \cap B)$

จุดตัดของ A และ B

การจำลองทางสถิติด้วย Python

ใช้การจำลองเพื่อประมาณค่าความน่าจะเป็น

ขั้นตอนการประมาณค่าความน่าจะเป็น:

  1. สร้าง sample space หรือประชากร
  2. กำหนดวิธีจำลองผลลัพธ์หนึ่งครั้ง
  3. กำหนดเงื่อนไขของความสำเร็จ
  4. สุ่มซ้ำหลายครั้งและนับจำนวนความสำเร็จ
  5. คำนวณความถี่ของความสำเร็จเป็นค่าประมาณความน่าจะเป็น
การจำลองทางสถิติด้วย Python

มาฝึกกันเถอะ!

การจำลองทางสถิติด้วย Python

Preparing Video For Download...