HomeCorsoBasi della probabilità applicate con Python

Moltiplicare le simulazioni di lanci con la funzione binom

Capitolo 2 · Primi passi nelle simulazioni di lanci di monete · lezione 4 di 63
Riservato agli abbonati — ecco l'inizio
Il seguito di questa lezione è riservato agli abbonati Crea il tuo account gratuito per provare gli esercizi di esempio, poi passa all'accesso completo quando vuoi.

Crea il tuo account gratuito

Senza carta di credito, in trenta secondi.
Continua con Google
oppure
Iscriviti con un'e-mail
Già registrato? Accedi
Continuando, accetti le condizioni d'uso e la politica sulla privacy. I tuoi dati sono ospitati nell'Unione europea.

Accesso completo DATAGOZ

19 €/ mese — oppure 190 € / anno
  • Tutti i corsi pubblicati e i percorsi professionali
  • Esercizi e quiz corretti automaticamente
  • Allenamento, esame e attestato di frequenza
  • Senza impegno, disdettabile online
Vedi i piani
Questa lezione fa parte del corso

Basi di probabilità applicata con Python

short_training6 capitoli · 63 lezioni

Scopri e padroneggia i principi essenziali della probabilità con Python !

  • La piattaforma di formazioneiscritti
  • Lanciare una moneta con Pythoniscritti
  • Simulare lanci di moneteabbonati
  • Moltiplicare le simulazioni di lanci con la funzione binomsei qui
  • Distinguere le funzioni di massa e di distribuzione di probabilitàabbonati
  • Stimare la probabilità di insolvenzeabbonati
  • Prevedere la situazione professionale a partire dalle probabilitàabbonati
  • Stimare il tasso di condanna per furto con scassoabbonati
  • Scoprire la speranza matematica, la media e la varianzaabbonati
  • Calcolare il valore atteso e la varianza di una distribuzioneabbonati
  • Stimare la media a partire da simulazioniabbonati
  • Verificare la precisione dei risultati ottenutiabbonati
  • Calcolare la media e la varianza di un campioneabbonati
  • Calcolare la probabilità di due eventiabbonati
  • Analizzare la sovrapposizione tra più eventiiscritti
  • Studiare le caratteristiche di un campioneiscritti
  • Calcolare probabilità congiunteiscritti
  • Risolvere problemi di probabilità con un mazzo di carteiscritti
  • Determinare probabilità condizionateiscritti
  • Valutare le probabilità di ritardo dei voliiscritti
  • Analizzare le relazioni tra eventi con una tabella di contingenzaiscritti
  • Approfondire i calcoli di probabilità con le carteiscritti
  • Applicare la legge delle probabilità totaliiscritti
  • Stimare le probabilità di vittoria dei piloti di Formula 1iscritti
  • Analizzare le probabilità legate alle scelte degli elettoriiscritti
  • Usare la regola di Bayes per aggiornare le probabilitàiscritti
  • Approfondire il calcolo delle probabilità condizionateiscritti
  • Studiare le probabilità di produzione negli stabilimentiiscritti
  • Valutare l’affidabilità di un test del sangue per lo screening dell’influenza suinaiscritti
  • Esplorare la legge normaleiscritti
  • Determinare l’ampiezza dei valori possibiliiscritti
  • Rappresentare graficamente le distribuzioni normaliiscritti
  • Studiare i valori situati a meno di tre deviazioni standard dalla mediaiscritti
  • Calcolare probabilità a partire dalla legge normaleiscritti
  • Applicare la legge normale alla spesa al ristoranteiscritti
  • Modellare l’autonomia della batteria di uno smartphone con la legge normaleiscritti
  • Analizzare la distribuzione delle altezze negli adultiiscritti
  • Scoprire la distribuzione di Poissonabbonati
  • Applicare la distribuzione di Poisson alle operazioni di un distributore automaticoabbonati
  • Modellare la frequenza degli incidenti in autostrada con la distribuzione di Poissonabbonati
  • Generare e visualizzare distribuzioni di Poisson in Pythonabbonati
  • Scoprire la distribuzione geometricaabbonati
  • Applicare la distribuzione geometrica alla cattura di salmoniabbonati
  • Modellare le realizzazioni ai tiri liberi con la distribuzione geometricaabbonati
  • Generare e rappresentare graficamente distribuzioni geometricheabbonati
  • Passare dalla media di un campione a quella della popolazioneabbonati
  • Creare un campione casuale in Pythonabbonati
  • Calcolare la media di un campioneabbonati
  • Rappresentare graficamente la distribuzione delle medie campionarieabbonati
  • Studiare la somma di variabili casualiabbonati
  • Confrontare le medie ottenute su più campioniabbonati
  • Capire perché le medie campionarie seguono una distribuzione normaleabbonati
  • Analizzare la somma dei risultati di più lanci di dadiabbonati
  • Scoprire i principi della regressione lineareabbonati
  • Adattare un modello di regressione lineare ai datiabbonati
  • Prevedere i risultati degli esami con un modello lineareabbonati
  • Analizzare i residui di un modello di regressioneabbonati
  • Scoprire la regressione logisticaabbonati
  • Costruire e adattare un modello di regressione logisticaabbonati
  • Prevedere il successo degli studenti a partire dai loro datiabbonati
  • Calcolare la probabilità di superare due esamiabbonati
  • Fare il punto sulle nozioni di probabilità e statistica studiateabbonati
  • Conclusione del corsoiscritti
Lezione successiva

Distinguere le funzioni di massa e di distribuzione di probabilità

Vedi il programma Crea un account per continuare