Биномиальное распределение задает вероятности k успехов в схеме длины n. Его можно задать при помощи функции binom из модуля scipy.stats: Также у нашего распределения distr есть методы: Выведем матожидание: Для демонстрации использования перечисленных методов найдем вероятность пройти k собеседований из n, если вероятность пройти одно равна 0.3: Это же можно сделать вручную, так как каждая вероятность пройти в точности k собеседований - это число способов выбрать эти k собеседований из n (например, при k=1 - это 1 или 2, или 3, или 4, или 5), умноженное на вероятность последовательности - p^k*(1-p)^(n-k). Число способов считается как число сочетаний из n по k: А так можно посчитать вероятность пройти хотя бы одно собеседование:
Биномиальное распределение задает вероятности k успехов в схеме длины n. Его можно задать при помощи функции binom из модуля scipy.stats:
Также у нашего распределения distr есть методы:
- pmf - вероятность k успехов;
- cdf - вероятность, что произойдет не более k успехов;
- expect - математическое ожидание распределения;
- rvs - случайное значений из распределения.
Выведем матожидание:
Для демонстрации использования перечисленных методов найдем вероятность пройти k собеседований из n, если вероятность пройти одно равна 0.3:
Это же можно сделать вручную, так как каждая вероятность пройти в точности k собеседований - это число способов выбрать эти k собеседований из n (например, при k=1 - это 1 или 2, или 3, или 4, или 5), умноженное на вероятность последовательности - p^k*(1-p)^(n-k). Число способов считается как число сочетаний из n по k:
А так можно посчитать вероятность пройти хотя бы одно собеседование: