در این مطلب، ویدئو آموزش پایتون: قضیه حد مرکزی با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:03:10
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,559 –> 00:00:02,990
ما یک پایه جامد با
2
00:00:02,990 –> 00:00:05,330
احتمالات مشروط ایجاد کردهایم حالا بیایید
3
00:00:05,330 –> 00:00:07,490
به قضیه حد مرکزی یا CLT بپردازیم
4
00:00:07,490 –> 00:00:10,759
که دلیل اهمیت آن چیست و نحوه
5
00:00:10,759 –> 00:00:14,419
تجسم آن در قضیه حد مرکزی پایتون
6
00:00:14,419 –> 00:00:15,980
میگوید که با
7
00:00:15,980 –> 00:00:17,630
مجموعهای از نمونههای به اندازه کافی از همان
8
00:00:17,630 –> 00:00:19,880
جامعه، میانگین های نمونه به
9
00:00:19,880 –> 00:00:22,490
طور معمول توزیع می شوند توجه داشته باشید که این
10
00:00:22,490 –> 00:00:24,170
هیچ فرضی در مورد
11
00:00:24,170 –> 00:00:26,840
توزیع اساسی داده ها با
12
00:00:26,840 –> 00:00:28,640
یک نمونه نسبتاً بزرگ تقریباً 30
13
00:00:28,640 –> 00:00:31,700
یا بیشتر نمی کند، این قضیه همیشه
14
00:00:31,700 –> 00:00:33,890
بدون توجه به اینکه جمعیت چگونه به نظر می
15
00:00:33,890 –> 00:00:35,550
رسد درست خواهد
16
00:00:35,550 –> 00:00:37,860
بود. این
17
00:00:37,860 –> 00:00:39,870
وعده می دهد که توزیع میانگین نمونه گیری ما
18
00:00:39,870 –> 00:00:42,300
نرمال خواهد بود، بنابراین می توانیم
19
00:00:42,300 –> 00:00:45,870
آزمون های فرضیه را به طور دقیق تر انجام دهیم، می
20
00:00:45,870 –> 00:00:47,910
توانیم احتمال اینکه یک میانگین معین
21
00:00:47,910 –> 00:00:50,130
از یک توزیع خاص آمده است را ارزیابی کنیم و
22
00:00:50,130 –> 00:00:53,640
سپس بر اساس این رد یا عدم
23
00:00:53,640 –> 00:00:56,940
رد فرضیه ما، این امر به
24
00:00:56,940 –> 00:00:58,790
همه موارد / به همین دلیل تست b را در عمل می بینید
25
00:00:58,790 –> 00:01:01,530
و بینندگان ما این موضوع را دوست دارند،
26
00:01:01,530 –> 00:01:03,360
بنابراین مطمئن شوید که به خوبی
27
00:01:03,360 –> 00:01:06,180
تی پاسخ سنجیده آماده شده همچنین
28
00:01:06,180 –> 00:01:07,890
لازم به ذکر است که این
29
00:01:07,890 –> 00:01:10,290
با قانون اعداد بزرگ متفاوت است، قانون
30
00:01:10,290 –> 00:01:12,690
اعداد بزرگ بیان می کند که چون
31
00:01:12,690 –> 00:01:14,910
حجم نمونه افزایش یافته است، تخمین
32
00:01:14,910 –> 00:01:16,410
میانگین نمونه با دقت بیشتری
33
00:01:16,410 –> 00:01:19,920
منعکس کننده جامعه خواهد بود، به این معنی که این را
34
00:01:19,920 –> 00:01:21,720
در اینجا می بینیم. با توزیعهای قرمز بنفش و طلایی
35
00:01:21,720 –> 00:01:24,660
که
36
00:01:24,660 –> 00:01:28,050
به ترتیب نمونههای کوچک متوسط و بزرگ را نشان میدهند، ای
37
00:01:28,050 –> 00:01:29,430
با قضیه حد مرکزی که
38
00:01:29,430 –> 00:01:31,710
ه راحتی در یک محیط مصاحبه با