नमूना समष्टियाँ और घटनाएँ

अनिश्चितता का गणित

प्रायिकता यह मानने से शुरू कि आप नहीं जानते क्या होने वाला। एक सिक्का उछाला जाने वाला, एक पासा लुढ़कने वाला, एक छवि वर्गीकृत होने वाला। उतरने से पहले, आप हर तरह सूचीबद्ध करें जैसे यह हो सकता। वह संभावित परिणामों की पूरी सूची नमूना समष्टि, लिखा Ω (बड़ा ओमेगा)।

एक सिक्के के लिए, Ω = {H, T}। एक पासे के लिए, Ω = {1, 2, 3, 4, 5, 6}। प्रत्येक तत्व एक परिणाम, एक पूर्ण और परस्पर अनन्य तरीका जैसे संसार प्रयोग के बाद।

एक फेंटे हुए ताश की गड्डी में से एक पत्ता निकालने के बारे में सोचें। देखने से पहले, आप यह सूचीबद्ध करते हैं कि यह कौन सा पत्ता हो सकता है: सभी 52 पत्ते। वह पूरी सूची प्रतिदर्श समष्टि है, जो एक पासे के लिए Ω = {1, 2, 3, 4, 5, 6} लिखने के समान विचार है। "पत्ता एक पान है" तब एक घटना है, जो उस सूची का एक 13-पत्तों वाला उपसमुच्चय है।

ML में इसका स्थानजब एक छवि वर्गीकारक Ω = {cat, dog, bird, …} से चुनता, वह लेबलों की सूची एक असतत नमूना समष्टि, और एक प्रश्न जैसे "क्या सच्चा लेबल एक स्तनपायी?" एक घटना, वर्गों का एक उपसमुच्चय। डेटा संवर्धन उसी प्रकार का एक यादृच्छिक प्रयोग: हर क्रॉप, फ्लिप, या रंग-जिटर एक परिणाम संभावित रूपांतरणों के एक समष्टि से, और संवर्धित डेटासेट उसका एक नमूना।
▶ नमूना समष्टियाँ और घटनाएँ
← चर प्रतिस्थापनप्रायिकता अभिगृहीत →