Diferencia de medias
Parte de la sección Estadística para ML del Journey de Machine Learning de Coddy. Lección 42 de 64.
¿Es mejor un modelo, una página o un teclado nuevos? Compara los grupos por su diferencia de medias: la media de un grupo menos la del otro. Diez mecanógrafos probaron cada uno una disposición:
typing = pd.DataFrame({
"layout": ["Qwerty", "Dvorak", "Qwerty", "Dvorak", "Qwerty", "Dvorak", "Qwerty", "Dvorak", "Qwerty", "Dvorak"],
"wpm": [68, 76, 74, 65, 61, 82, 79, 70, 66, 74],
})
means = typing.groupby("layout")["wpm"].mean()
print(np.round(means["Dvorak"] - means["Qwerty"], 2))Esto imprime 3.8: los mecanógrafos de Dvorak promediaron 3.8 palabras más por minuto. Qwerty menos Dvorak da -3.8, así que indica qué grupo va primero.
¿3.8 es mucho? Los mecanógrafos individuales tienen una diferencia de más de 20 palabras por minuto, así que la suerte de quién recibió qué teclado podría explicar por sí sola esta diferencia.
Desafío
IntermedioLos estudiantes practicaron con una de dos aplicaciones de matemáticas. math_apps.csv tiene app (algo o numo), score y sets; el programa lee el nombre de una columna numérica.
- Calcula la media de numo menos la media de algo para esa columna.
- Deja que el signo determine qué aplicación va por delante e imprime la línea siguiente: la diferencia positiva y primero la media de quien va por delante, todo con 2 decimales.
Para otros estudiantes y la entrada score:
algo is ahead on score by 4.0 (151.0 vs 147.0)Pruébalo tú mismo
import numpy as np
import pandas as pd
students = pd.read_csv("math_apps.csv")
column = input()
# Escribe tu código a continuación
Ponte a pruebaEsta lección incluye un breve cuestionario. Empieza la lección para responderlo y registrar tu progreso.
Todas las lecciones de Estadística para ML
1Centro y dispersión
Media y medianaPercentiles y cuartilesVarianza y desviación estándar¿Muestra o población?El valor más frecuenteRepaso: tiempos de entrega4Muestras y poblaciones
Población y muestraLas medias muestrales varíanLa distribución muestralMuestras más grandes, menos ruidoRepaso: Encuestar a un pueblo7Líneas de tendencia
ResiduosAjuste por mínimos cuadradosTrazar el ajustePredecir con una línea¿Qué tan bueno es el ajuste?Repaso: horas de práctica10Codificación de categorías
Categorías como númerosCodificación one-hotAgrupación de números en intervalosRepaso: anuncios de autos2Distribuciones
Histogramas de densidadFormas de los datosCurva normalRegla del 68-95-99,7Puntuaciones zRepaso: duración de la batería5Valores atípicos
Diagramas de cajaLa regla del RICLa regla del valor ZTratamiento de valores atípicosRepaso: fallos de los sensores8Comparación de grupos
Diagramas de caja por grupoDiferencia de medias¿Podría ser azar?Valores pLa prueba tRepaso: prueba A/B3Probabilidad mediante simulación
La probabilidad como frecuenciaLa ley de los grandes númerosSuma de dadosValor esperadoProbabilidad condicionalRepaso: probabilidades del puesto de dados6Relaciones
Lectura de diagramas de dispersiónCorrelaciónMatriz de correlaciónMapas de calor de correlaciónCorrelación no es causalidadRepaso: helado y sol9Escalado de características
Por qué escalar las característicasEscalado mín-máxEstandarizaciónStandardScalerRepaso: compañeros de escaladaPractica por tu cuenta: Compilador de Python online