Samenvatting: Codecademy Ml Probability Distributions

Lees hier de samenvatting en de meest belangrijke oefenvragen van Codecademy ML Probability Distributions

• 1 Codecademy ML Probability Distributions

• 1.1 Random Variables

  Dit is een preview. Er zijn 5 andere flashcards beschikbaar voor hoofdstuk 1.1
  Laat hier meer flashcards zien

• Wat is in zijn eenvoudigste vorm een random variable?

  Een functie.

• Hoe worden random variables vaak gebruikt in de kansrekening?

  Om random events te vertegenwoordigen.

• Wat als we een random variable willen gebruiken voor niet-numerieke uitkomsten?

  Kiezen we nummers om die uitkomsten te vertegenwoordigen.

• 1.2 Discrete and Continuous Random Variables

  Dit is een preview. Er zijn 5 andere flashcards beschikbaar voor hoofdstuk 1.2
  Laat hier meer flashcards zien

• Wanneer zijn discrete random variables gebruikelijk?

  Ze zijn gebruikelijk bij het observeren van tellingen, zoals het aantal mensen in een winkel.

• Waarom zijn continue random variables ontelbaar?

  Omdat metingen altijd preciezer kunnen zijn.

• Hoe kan de temperatuur preciezer worden gemaakt?

  Door uit te breiden naar een ander decimaal (bijv. 96.44 graden).

• 1.3 Probability Mass Functions

  Dit is een preview. Er zijn 2 andere flashcards beschikbaar voor hoofdstuk 1.3
  Laat hier meer flashcards zien

• Wat is een probability mass function (PMF)?

  Een type van probability distribution dat de kans definieert op het observeren van een bepaalde waarde van een discrete random variable.

• Wat zijn de parameters voor de binomial distribution?

  n voor het aantal trials en p voor de kans op succes in elke trial.

• Wat betekent n in de binomial distribution?

  Het aantal trials, bijvoorbeeld n=10 als we een munt 10 keer flippen.

• Wat volgt de Binomial(n=10, p=0.5) distributie?

  Het aantal waargenomen koppen als we een eerlijke munt 10 keer flippen.