Теория вероятностей #22: Совместные распределения / маргинальные распределения

В этом видео мы подробно рассмотрим понятие многомерной случайной величины. Такая случайная величина состоит от отдельных скалярных случайных величин и задается своем совместным распределением. В таком контексте распределения для ее отдельных компонент называются маргинальными. Мы продемонстрируем, как можно задавать совместные распределения, каким образом вычислять вероятности, связанные с многомерными случайными величинами, как находить математические ожидания их преобразований - то есть, как производить все те операции, которые мы привыкли делать с обычными скалярными случайными величинами. Эти знания мы закрепим анализом kaggle-датасета оценок школьников на экзамене, который мы проведем в jupyter notebook. В конце мы рассмотрим популярное совместное распределение - мультиномиальное распределение. Оно является обобщением биномиального распределения на случай трех и более исходов в отдельном испытании. 0:00 Начало 0:27 Дискретные многомерные случайные величины 6:36 Совместное распределение 12:06 Пример: бросок двух кубиков 14:57 Маргинальные распределения 21:02 Пример: бросок двух кубиков 26:32 Непрерывные многомерные случайные величины 33:00 Пример: двумерная непрерывная случайная величина 40:00 Пример: 4-мерная непрерывная случайная величина 48:25 Kaggle-датасет: оценки школьников на экзамене (работа в jupyter notebook) 1:03:24 Дискретно-непрерывные многомерные случайные величины 1:06:36 Мульиномиальное распределение 1:09:37 Пример: игрушки в Kinder Сюрприз Подписывайтесь на наш telegram-канал, где выкладываются дополнительные материалы, информация о новых курсах, новости мира математики и Data Science и много всего еще:
Контакты: