در این مطلب، ویدئو سخنرانی 11، نسخه آزمایشی پایتون برای توزیع با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:21:15
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,070 –> 00:00:03,100
[موسیقی]
2
00:00:09,570 –> 00:00:13,130
[موسیقی]
3
00:00:13,130 –> 00:00:13,900
[تشویق]
4
00:00:13,900 –> 00:00:18,950
[موسیقی]
5
00:00:18,950 –> 00:00:19,370
[تشویق]
6
00:00:19,370 –> 00:00:23,760
[موسیقی]
7
00:00:23,890 –> 00:00:27,320
دانشآموزان عزیز در آخرین سخنرانی
8
00:00:27,320 –> 00:00:29,960
توزیع احتمالات را در
9
00:00:29,960 –> 00:00:32,689
این سخنرانی دیدیم با کمک پایتون
10
00:00:32,689 –> 00:00:35,420
برخی از مسائل را از توزیعهای احتمال حل میکنیم.
11
00:00:35,420 –> 00:00:38,030
12
00:00:38,030 –> 00:00:42,680
کتاب نوشته شده توسط کن بلک
13
00:00:42,680 –> 00:00:46,670
عنوان کتاب آمار کاربردی است بنابراین
14
00:00:46,670 –> 00:00:51,500
اکنون مشکلات را خواهیم دید خوب حالا من
15
00:00:51,500 –> 00:00:55,460
si را وارد می کنم با وارد کردن numpy SNP از
16
00:00:55,460 –> 00:00:59,299
علمی تخیلی Syfy dot stats import by num
17
00:00:59,299 –> 00:01:01,489
Bynum برای انجام عملیات دو جمله ای
18
00:01:01,489 –> 00:01:03,890
و یک چیز دیگر است. شما می توانید
19
00:01:03,890 –> 00:01:06,729
تصویر را نیز وارد کنید، به عنوان مثال، این تصویر
20
00:01:06,729 –> 00:01:09,590
که همان تصویر توزیع تجربی است که
21
00:01:09,590 –> 00:01:12,200
من از این منبع گرفته ام
22
00:01:12,200 –> 00:01:16,549
که علامت تعجب است،
23
00:01:16,549 –> 00:01:19,670
آن پیوند و آن پیوند
24
00:01:19,670 –> 00:01:21,350
باید در کروشه مربع باشد، سپس وقتی
25
00:01:21,350 –> 00:01:23,119
آن پیوند را انجام دادید، می توانیم آن تصویر را دریافت کنیم.
26
00:01:23,119 –> 00:01:29,270
مستقیماً بسیار خوب، من این را اجرا می کنم بله
27
00:01:29,270 –> 00:01:31,189
اکنون مشکلی را خواهیم دید که
28
00:01:31,189 –> 00:01:33,920
یک نظرسنجی نشان داد که شصت و پنج
29
00:01:33,920 –> 00:01:36,200
درصد از تمام مصرف
30
00:01:36,200 –> 00:01:39,020
کنندگان مالی از نهاد مالی اولیه خود بسیار راضی بودند.
31
00:01:39,020 –> 00:01:43,100
آموزش فرض کنید که 25
32
00:01:43,100 –> 00:01:45,799
مصرف کننده مالی نمونه گیری شده اند و
33
00:01:45,799 –> 00:01:48,079
اگر نتیجه نظرسنجی همچنان صادق
34
00:01:48,079 –> 00:01:50,389
باشد، احتمال اینکه
35
00:01:50,389 –> 00:01:54,020
دقیقا 90 نفر از مؤسسات مالی اولیه خود بسیار راضی باشند
36
00:01:54,020 –> 00:01:57,200
37
00:01:57,200 –> 00:01:59,840
با بررسی مشکل، باید ببینیم که ما به چه
38
00:01:59,840 –> 00:02:01,819
نوع توزیعی می رویم. در اینجا استفاده کنید
39
00:02:01,819 –> 00:02:04,159
دو احتمال
40
00:02:04,159 –> 00:02:05,929
راضی یا ناراضی وجود دارد، بنابراین دو
41
00:02:05,929 –> 00:02:07,999
احتمال وجود دارد، بنابراین میتوانیم
42
00:02:07,999 –> 00:02:11,300
به توزیعهای دوجملهای برویم
43
00:02:11,300 –> 00:02:15,920
چاپ خوب با نقطه NAMM P PMF تابع جرم احتمال
44
00:02:15,920 –> 00:02:19,190
k برابر با 19 است که V Z در
45
00:02:19,190 –> 00:02:20,450
زمینه فعلی توزیع احتمال
46
00:02:20,450 –> 00:02:23,810
X n برابر است. به تعداد نمونه
47
00:02:23,810 –> 00:02:25,760
P احتمال موفقیت است اکنون میتوانیم ببینیم
48
00:02:25,760 –> 00:02:31,730
که پاسخ 0.09 است، بنابراین یک
49
00:02:31,730 –> 00:02:34,730
نقطه O 0 9 وجود دارد، احتمال اینکه دقیقاً
50
00:02:34,730 –> 00:02:36,760
9 مؤسسه مالی اولیه راضی باشند،
51
00:02:36,760 –> 00:02:39,980
شما
52
00:02:39,980 –> 00:02:40,690
به مشکل بعدی بروید
53
00:02:40,690 –> 00:02:43,940
این بوکر این مشکل نیز گرفته شده است. از
54
00:02:43,940 –> 00:02:48,100
آن کتاب، طبق اداره سرشماری ایالات متحده،
55
00:02:48,100 –> 00:02:50,270
تقریباً شش درصد از تمام
56
00:02:50,270 –> 00:02:52,640
کارگران در جکسون می سی سی پی
57
00:02:52,640 –> 00:02:54,860
در بخش هادی بیکار هستند. در یک
58
00:02:54,860 –> 00:02:57,290
نظرسنجی تلفنی تصادفی در جکسون،
59
00:02:57,290 –> 00:02:59,540
احتمال به دست آوردن دو یا کمتر
60
00:02:59,540 –> 00:03:02,600
کارگر بیکار در یک نمونه
61
00:03:02,600 –> 00:03:06,380
20 تایی چقدر است.
62
00:03:06,380 –> 00:03:08,900
63
00:03:08,900 –> 00:03:12,260
64
00:03:12,260 –> 00:03:17,480
تابع چگالی تجمعی بنابراین در اینجا
65
00:03:17,480 –> 00:03:20,180
برای انجام آن باید
66
00:03:20,180 –> 00:03:26,060
نوع Bynum dot CDF 2 xx 0 را وارد کنید نقطه 6 که این
67
00:03:26,060 –> 00:03:29,990
دو نشان دهنده کمتر یا مساوی 220
68
00:03:29,990 –> 00:03:33,950
هستند نمونه ای را نشان
69
00:03:33,950 –> 00:03:37,420
می دهند که P نشان دهنده احتمال است بنابراین وقتی این را اجرا می
70
00:03:37,420 –> 00:03:40,370
کنید احتمال جامعه را دریافت می کنید. از 80
71
00:03:40,370 –> 00:03:43,600
8.5% سن، ما یک مسئله دیگر را
72
00:03:43,600 –> 00:03:46,400
حل خواهیم کرد احتمال دوجمله ای n برابر
73
00:03:46,400 –> 00:03:51,050
با 20 اندازه نمونه 20 P برابر با 0.4 X
74
00:03:51,050 –> 00:03:55,490
برابر با 10 است، بنابراین با نقطه عددی PMF
75
00:03:55,490 –> 00:03:58,670
پاسخ 0.1 1 7 را دریافت خواهید کرد.
76
00:03:58,670 –> 00:04:01,630
توزیع بعدی توزیع پواسون
77
00:04:01,630 –> 00:04:04,820
بنابراین در توزیع پواسون برای انجام
78
00:04:04,820 –> 00:04:07,190
توزیع پواسون باید
79
00:04:07,190 –> 00:04:08,990
توزیع پواسون کتابخانه را از
80
00:04:08,990 –> 00:04:12,530
Sify dot stats import poison ابتدا وارد کنید، ابتدا تابع
81
00:04:12,530 –> 00:04:14,960
جرم احتمال پواسون را پیدا می کنیم
82
00:04:14,960 –> 00:04:19,100
تا نقطه پایتون PMF 3 کاما 2 3
83
00:04:19,100 –> 00:04:21,579
نشان دهنده X برای نشان دادن میانگینی است که
84
00:04:21,579 –> 00:04:24,830
ما شاهد مشکل دیگری خواهیم بود، فرض کنید
85
00:04:24,830 –> 00:04:27,650
مشتریان بانک به طور تصادفی بعدازظهر هر روز هفته
86
00:04:27,650 –> 00:04:30,740
با میانگین 3.2 مشتری در
87
00:04:30,740 –> 00:04:33,620
هر 4 دقیقه هستند که
88
00:04:33,620 –> 00:04:36,800
احتمال ورود دقیقاً 5 مشتری در
89
00:04:36,800 –> 00:04:38,720
چهار دقیقه وجود دارد. فاصله یک بعد از ظهر یک روز هفته
90
00:04:38,720 –> 00:04:42,410
با نگاه کردن به مسئله می
91
00:04:42,410 –> 00:04:44,000
گویید که ما می دانیم که الگوی رسیدن
92
00:04:44,000 –> 00:04:46,580
از توزیع پواسون تبعیت می کند
93
00:04:46,580 –> 00:04:50,230
و باید روی واحد میانگین بسیار مراقب باشید
94
00:04:50,230 –> 00:04:52,540
و واحد X هر دو
95
00:04:52,540 –> 00:04:55,120
در چهار دقیقه هستند سپس مشکلی وجود ندارد.
96
00:04:55,120 –> 00:04:58,480
نقطه PI خورشید PMF پنج است پنج
97
00:04:58,480 –> 00:05:06,870
مقدار x شما 500 PMF است بنابراین 3.2
98
00:05:06,870 –> 00:05:12,840
نرخ ورود است بنابراین پنج کاما سه نقطه
99
00:05:12,840 –> 00:05:15,340
است که یازده نقطه سه نه
100
00:05:15,340 –> 00:05:18,780
درصد سن شما یک مشکل دیگر خواهید دید که
101
00:05:18,780 –> 00:05:21,340
مشتریان بانک به طور تصادفی و
102
00:05:21,340 –> 00:05:24,430
بعد از ظهر روز هفته به طور متوسط میرسند. از 3.2
103
00:05:24,430 –> 00:05:27,160
مشتری در هر چهار دقیقه
104
00:05:27,160 –> 00:05:30,100
احتمال داشتن بیش از هفت
105
00:05:30,100 –> 00:05:31,870
مشتری در شما چقدر است در فاصله چهار دقیقه ای
106
00:05:31,870 –> 00:05:32,860
آنیا
107
00:05:32,860 –> 00:05:36,310
بعد از ظهر روز بزرگ، بنابراین در اینجا باید
108
00:05:36,310 –> 00:05:38,500
احتمال X بزرگتر را دریابیم
109
00:05:38,500 –> 00:05:42,880
از هفت خوب است، بنابراین ابتدا چه
110
00:05:42,880 –> 00:05:45,730
خواهیم کرد، به
111
00:05:45,730 –> 00:05:48,070
کمک این دنیا تا هفت را خواهیم یافت که هر
112
00:05:48,070 –> 00:05:51,070
شیء کروب برابر با پی خورشید نقطه سی دی
113
00:05:51,070 –> 00:05:55,450
هفت و لامبدا سه نقطه دو را ذخیره می کنیم، بنابراین
114
00:05:55,450 –> 00:05:58,510
وقتی یک منهای این را کم کنید. یکی پس از آن
115
00:05:58,510 –> 00:06:00,910
ما احتمال بیش از
116
00:06:00,910 –> 00:06:04,210
آن را خواهیم داشت بله، بنابراین من تا هفت را پیدا می کنم
117
00:06:04,210 –> 00:06:06,310
وقتی یک منهای را زیرلایه می کنید که تا
118
00:06:06,310 –> 00:06:07,770
هفت او به بیش از هفت می رسد
119
00:06:07,770 –> 00:06:10,840
خوب، مشکل دیگری را در Pais
120
00:06:10,840 –> 00:06:14,530
در یک بانک خواهیم دید که ورود تصادفی متوسط
121
00:06:14,530 –> 00:06:16,810
د. نرخ سه نقطه دو مشتری در هر
122
00:06:16,810 –> 00:06:18,910
چهار دقیقه احتمال
123
00:06:18,910 –> 00:06:21,100
اینکه دقیقاً ده مشتری در
124
00:06:21,100 –> 00:06:23,170
بازه زمانی هشت دقیقه به دست آورید چقدر است اکنون باید
125
00:06:23,170 –> 00:06:27,460
بسیار مراقب باشید که واحد X و
126
00:06:27,460 –> 00:06:29,560
واحد لامبدا متفاوت هستند زیرا
127
00:06:29,560 –> 00:06:31,450
چهار دقیقه است و هشت دقیقه است بنابراین شما
128
00:06:31,450 –> 00:06:33,670
باید به واحدهای یکسان تبدیل کنید پس در
129
00:06:33,670 –> 00:06:35,050
سه نقطه دو در دو ضرب
130
00:06:35,050 –> 00:06:37,210
کنید شش نقطه چهار به دست می آورید بنابراین لامبدا برابر
131
00:06:37,210 –> 00:06:43,630
با ده است بنابراین 500 بعد از ظهر از ده کاما شش نقطه
132
00:06:43,630 –> 00:06:45,820
چهار به شما پاسخ می دهد چهار نقطه
133
00:06:45,820 –> 00:06:47,890
صفر پنج تا هفت که ما به آن خواهیم رفت. لباس فرم
134
00:06:47,890 –> 00:06:52,660
توزیع بعدی فرض
135
00:06:52,660 –> 00:06:54,760
کنید مقدار زمانی که طول می کشد می بینید که
136
00:06:54,760 –> 00:06:57,250
مدت زمان مونتاژ یک
137
00:06:57,250 –> 00:07:00,870
ماژول پلاستیکی بین 27 تا 39 ثانیه است و
138
00:07:00,870 –> 00:07:03,340
زمان مونتاژ به طور یکنواخت
139
00:07:03,340 –> 00:07:04,290
توزیع
140
00:07:04,290 –> 00:07:08,290
شده است، توزیع را توصیف می کند که
141
00:07:08,290 –> 00:07:10,510
احتمال اینکه یک مجموعه معین
142
00:07:10,510 –> 00:07:14,940
بین آن طول بکشد چقدر است. 30 تا 35 ابتدا آن آرایه را توسعه می دهیم
143
00:07:14,940 –> 00:07:22,120
بنابراین در اینجا u برابر با
144
00:07:22,120 –> 00:07:25,660
نقطه NP یک محدوده دو تابع وجود دارد.
145
00:07:25,660 –> 00:07:27,460
146
00:07:27,460 –> 00:07:29,860
147
00:07:29,860 –> 00:07:32,050
148
00:07:32,050 –> 00:07:36,400
27 مقدار شروع است مثلاً 40
149
00:07:36,400 –> 00:07:38,620
زیرا n منهای 1 40 است
150
00:07:38,620 –> 00:07:41,620
نه 40 39 آخرین مقدار در
151
00:07:41,620 –> 00:07:43,630
دفترچه خاطرات در افزایش است با 1 ما
152
00:07:43,630 –> 00:07:47,110
این یکی را گرفتیم اکنون این توزیع یکنواخت ما
153
00:07:47,110 –> 00:07:51,460
خوب است اکنون از نقطه سیاه
154
00:07:51,460 –> 00:07:54,370
شروع واردات یکنواخت است. ما
155
00:07:54,370 –> 00:07:56,830
به میانگین این توزیع پی خواهیم برد، بنابراین برای
156
00:07:56,830 –> 00:07:59,500
این منظور نقطه یکنواخت میانگین
157
00:07:59,500 –> 00:08:01,630
آرنج نقطه شروع
158
00:08:01,630 –> 00:08:05,919
159
00:08:05,919 –> 00:08:10,229
است.
160
00:08:10,229 –> 00:08:13,479
در توزیع یکنواخت،
161
00:08:13,479 –> 00:08:15,400
یافتن میانگین فرمول خیلی
162
00:08:15,400 –> 00:08:17,740
پیچیده ای نیست، به سادگی باید
163
00:08:17,740 –> 00:08:22,330
a به علاوه B را با 2 پیدا کنید، بسیار خوب، سپس
164
00:08:22,330 –> 00:08:27,070
ما توزیع تجمعی تابع تجمعی CDF را انجام می دهیم،
165
00:08:27,070 –> 00:08:32,020
بنابراین نقطه یکنواخت CDF n
166
00:08:32,020 –> 00:08:34,929
P نقطه a مرتب کنید 30 سوال چیست
167
00:08:34,929 –> 00:08:40,719
از 30 تا 35 سوال پرسیده شد خوب است بنابراین در آرایه نقطه P
168
00:08:40,719 –> 00:08:43,690
30 چون عدد 35 است باید به عدد
169
00:08:43,690 –> 00:08:46,530
36 بروید، افزایش 1 است
170
00:08:46,530 –> 00:08:50,890
نقطه شروع 27 است این مقیاس 12 است
171
00:08:50,890 –> 00:08:54,730
بنابراین احتمال
172
00:08:54,730 –> 00:09:01,290
بین 30 تا 35 را به شما می دهد. وقتی این را اجرا می کنید،
173
00:09:01,290 –> 00:09:05,860
بنابراین احتمال 30 برابر 0.25 است، 31 برابر 0.33 است،
174
00:09:05,860 –> 00:09:11,130
32 برابر با 0.4 1 است و به همین ترتیب فرض کنید ما
175
00:09:11,130 –> 00:09:15,430
بین 30 و 35 برای 30 می خواهیم،
176
00:09:15,430 –> 00:09:17,920
مال 0.25 برای 35 است، 0.6 است، بن
177
00:09:17,920 –> 00:09:21,220
براین اگر زیرلایه 0.66 را منهای 0.25
178
00:09:21,220 –> 00:09:25,930
ریافت کنید. و تا این لحظه احتمال
179
00:09:25,930 –> 00:09:27,579
اینکه مونتاژ داده شده
180
00:09:27,579 –> 00:09:32,140
بین 30 تا 35 ثانیه طول بکشد، مشکل دیگری را مشاهده خواهید کرد،
181
00:09:32,140 –> 00:09:34,360
طبق گفته
182
00:09:34,360 –> 00:09:35,620
انجمن ملی
183
00:09:35,620 –> 00:09:38,290
کمیسیون های بیمه، میانگین هزینه سالانه
184
00:09:38,290 –> 00:09:39,790
بیمه خودرو در ایالات
185
00:09:39,790 –> 00:09:44,519
متحده در یک سال اخیر 691 دلار بوده است.
186
00:09:44,519 –> 00:09:47,589
فرض کنید هزینه بیمه خودرو
187
00:09:47,589 –> 00:09:49,149
به طور یکنواخت در ایالات
188
00:09:49,149 –> 00:09:55,769
متحده با میانگین 200 دلار تا
189
00:09:55,769 –> 00:09:58,600
1182 دلار
190
00:09:58,600 –> 00:09:59,680
191
00:09:59,680 –> 00:10:01,180
توزیع
192
00:10:01,180 –> 00:10:03,000
193
00:10:03,000 –> 00:10:06,430
شده است.
194
00:10:06,430 –> 00:10:11,200
691 دلار داده می شود، بنابراین ما این نقطه یکنواخت را تأیید می کنیم،
195
00:10:11,200 –> 00:10:13,540
میانگین آرنج نقطه شروع را ببینید
196
00:10:13,540 –> 00:10:16,390
200، تفاوت این است که
197
00:10:16,390 –> 00:10:22,209
مقیاس 982 است که 1182 است – میلی متر متاسفم 200 دلار این
198
00:10:22,209 –> 00:10:25,449
است 1، بنابراین اگر
199
00:10:25,449 –> 00:10:26,410
می خواهید استاندارد را بدانید، 691 دلار اضافی است.
200
00:10:26,410 –> 00:10:29,560
انحراف توزیع یکنواخت زیرا این
201
00:10:29,560 –> 00:10:31,240
فرمول متفاوت است، انحراف استاندارد ساده نیست،
202
00:10:31,240 –> 00:10:33,490
بنابراین نقطه یکنواخت STD
203
00:10:33,490 –> 00:10:36,940
elmo یک مقیاس 200 کاما 982
204
00:10:36,940 –> 00:10:39,790
205
00:10:39,790 –> 00:10:42,820
206
00:10:42,820 –> 00:10:44,949
است. همچنین
207
00:10:44,949 –> 00:10:46,600
من یک عکس از توزیع نرمال قرار داده ام
208
00:10:46,600 –> 00:10:48,940
شما می بینید که من تصویر
209
00:10:48,940 –> 00:10:51,459
از این لینک گرفته شده است
210
00:10:51,459 –> 00:10:54,010
تعجب واقعی مربع شکستن اینجا که لینک
211
00:10:54,010 –> 00:10:58,300
خوب باشه وقتی شما این را اجرا کنید،
21