D· AI-utvecklarestatistik-sannolikhet· ca 45 min· grundläggande — ändras sällan· verifierad 2026-09-20
Sannolikhetsfördelningar
Kunna beskriva likformig, binomial- och normalfördelning och veta när de gäller.
Förkunskaper
Intuition
En fördelning säger hur troliga olika utfall är.
- Likformig: alla utfall lika troliga — tärning, slumptal 0–1.
- Binomial: antal «lyckade» av n oberoende försök med sannolikhet p — antal sexor på 10 kast, antal rätt av 20 gissningar. Väntevärde n·p.
- Normal: klockkurvan — summan av många små oberoende bidrag (längder, mätfel, medelvärden av stickprov). Beskrivs helt av medelvärde μ och standardavvikelse σ.
ML-koppling: modellens initiala vikter dras ur normal/likformig; klassificering är binomial i förklädnad; testfel över många exempel blir ungefär normalfördelat.
Kod
import numpy as np
rng = np.random.default_rng(0)
t = rng.integers(1, 7, size=10_000) # likformig: tärning
print(np.bincount(t)[1:] / 10_000) # ≈ 0.167 var
b = rng.binomial(n=10, p=1/6, size=10_000) # antal sexor på 10 kast
print(b.mean(), 10 * 1/6) # ≈ 1.67 1.67
x = rng.normal(loc=170, scale=8, size=10_000) # längder
print(np.mean((x > 162) & (x < 178))) # ≈ 0.68 (±1σ)
# binomialsannolikhet exakt:
from math import comb
print(comb(10, 2) * (1/6)**2 * (5/6)**8) # P(exakt 2 sexor) ≈ 0.29
Behärskning innebär
- Beskriver likformig, binomial- och normalfördelning och när de gäller
- Beräknar väntevärde och sannolikhet i binomialfördelningen
- Simulerar en fördelning i kod
Logga in för att göra övningarna och bygga upp din behärskning.
Källor
- Wikipedia — Binomialfördelning (CC BY-SA 4.0) — CC BY-SA 4.0
- Wikipedia — Normalfördelning (CC BY-SA 4.0) — CC BY-SA 4.0