Misalnya, distribusi probabilitas berikut memberi tahu kita probabilitas bahwa tim sepak bola tertentu akan mencetak sejumlah gol dalam pertandingan tertentu:<\/span> <\/p>\n Untuk mencari nilai ekspektasi<\/strong> dari suatu distribusi probabilitas, kita dapat menggunakan rumus berikut:<\/span><\/p>\n \u03bc = \u03a3x * P(x)<\/span><\/p>\n Emas:<\/span><\/p>\n Misalnya, jumlah gol yang diharapkan untuk tim sepak bola akan dihitung sebagai berikut:<\/span><\/p>\n \u03bc = 0*0,18 + 1*0,34 + 2*0,35 + 3*0,11 + 4*0,02 = 1,45<\/strong> gol.<\/span><\/p>\n Untuk menghitung nilai yang diharapkan dari distribusi probabilitas dengan Python, kita dapat mendefinisikan fungsi sederhana:<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan fungsi ini dalam praktiknya.<\/span><\/p>\n Kode berikut menunjukkan cara menghitung nilai yang diharapkan dari distribusi probabilitas menggunakan fungsi Expected_value()<\/strong> yang kita definisikan sebelumnya:<\/span><\/p>\n Nilai yang diharapkan adalah 1,45<\/strong> . Ini cocok dengan nilai yang kami hitung secara manual sebelumnya.<\/span><\/p>\n Perhatikan bahwa fungsi ini akan mengembalikan kesalahan jika panjang array nilai dan array probabilitas tidak sama.<\/span><\/p>\n Misalnya:<\/span><\/p>\n Kami menerima kesalahan karena panjang array pertama adalah 5<\/strong> sedangkan panjang array kedua adalah 7<\/strong> .<\/span><\/p>\n Agar fungsi nilai yang diharapkan ini berfungsi, panjang kedua array harus sama.<\/span><\/p>\n Tutorial berikut menjelaskan cara menghitung metrik lainnya dengan Python:<\/span><\/p>\n Cara menghitung mean terpangkas dengan Python<\/a> 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: \u03bc = \u03a3x * P(x) Emas: x: nilai data P(x): […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moyennedist1.png\")
<\/p>\n\n
import<\/span> numpy as<\/span> np\n\ndef<\/span> expected_value(values, weights):\n values = np. asarray<\/span> (values)\n weights = np. asarray<\/span> (weights)\n return<\/span> (values * weights). sum<\/span> ()\/weights. sum<\/span> ()\n<\/strong><\/pre>\n Contoh: Menghitung Nilai yang Diharapkan dengan Python<\/strong><\/span><\/h3>\n
#define values\nvalues = [0, 1, 2, 3, 4]\n\n#define probabilities\n<\/span>probs = [.18, .34, .35, .11, .02]\n\n#calculate expected value\n<\/span>expected_value(values, probs)\n\n1.450000\n<\/span><\/span><\/strong><\/pre>\n #define values\nvalues = [0, 1, 2, 3, 4]\n\n#define probabilities\n<\/span>probs = [.18, .34, .35, .11, .02, .05, .11]\n\n#attempt to calculate expected value\n<\/span>expected_value(values, probs)\n\nValueError<\/span> : operands could not be broadcast together with shapes (5,) (7,) \n<\/span><\/span><\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara Menghitung Rata-Rata Geometris dengan Python<\/a>
Cara menghitung kesalahan standar mean dengan Python<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"