Cara menghitung nilai yang diharapkan dengan python (dengan contoh)
Distribusi probabilitas memberi tahu kita probabilitas suatu variabel acak mengambil nilai tertentu.
Misalnya, distribusi probabilitas berikut memberi tahu kita probabilitas bahwa tim sepak bola tertentu akan mencetak sejumlah gol dalam pertandingan tertentu:
Untuk mencari nilai ekspektasi dari suatu distribusi probabilitas, kita dapat menggunakan rumus berikut:
μ = Σx * P(x)
Emas:
- x: nilai data
- P(x): Probabilitas nilai
Misalnya, jumlah gol yang diharapkan untuk tim sepak bola akan dihitung sebagai berikut:
μ = 0*0,18 + 1*0,34 + 2*0,35 + 3*0,11 + 4*0,02 = 1,45 gol.
Untuk menghitung nilai yang diharapkan dari distribusi probabilitas dengan Python, kita dapat mendefinisikan fungsi sederhana:
import numpy as np def expected_value(values, weights): values = np. asarray (values) weights = np. asarray (weights) return (values * weights). sum ()/weights. sum ()
Contoh berikut menunjukkan cara menggunakan fungsi ini dalam praktiknya.
Contoh: Menghitung Nilai yang Diharapkan dengan Python
Kode berikut menunjukkan cara menghitung nilai yang diharapkan dari distribusi probabilitas menggunakan fungsi Expected_value() yang kita definisikan sebelumnya:
#define values
values = [0, 1, 2, 3, 4]
#define probabilities
probs = [.18, .34, .35, .11, .02]
#calculate expected value
expected_value(values, probs)
1.450000
Nilai yang diharapkan adalah 1,45 . Ini cocok dengan nilai yang kami hitung secara manual sebelumnya.
Perhatikan bahwa fungsi ini akan mengembalikan kesalahan jika panjang array nilai dan array probabilitas tidak sama.
Misalnya:
#define values
values = [0, 1, 2, 3, 4]
#define probabilities
probs = [.18, .34, .35, .11, .02, .05, .11]
#attempt to calculate expected value
expected_value(values, probs)
ValueError : operands could not be broadcast together with shapes (5,) (7,)
Kami menerima kesalahan karena panjang array pertama adalah 5 sedangkan panjang array kedua adalah 7 .
Agar fungsi nilai yang diharapkan ini berfungsi, panjang kedua array harus sama.
Sumber daya tambahan
Tutorial berikut menjelaskan cara menghitung metrik lainnya dengan Python:
Cara menghitung mean terpangkas dengan Python
Cara Menghitung Rata-Rata Geometris dengan Python
Cara menghitung kesalahan standar mean dengan Python