Población y muestra
Parte de la sección Estadística para ML del Journey de Machine Learning de Coddy. Lección 19 de 64.
Pesar las manzanas de 300 árboles lleva días; pesar las de 20 árboles lleva una hora. Todos los árboles constituyen la población; los 20, una muestra:
rng.choice extrae la muestra. replace=False elige cada árbol como máximo una vez, como nombres de un sombrero:
rng = np.random.default_rng(4)
trees = np.round(rng.normal(40, 8, size=300), 1) # kg de manzanas
sample = rng.choice(trees, size=20, replace=False)
print(np.round(trees.mean(), 2))
print(np.round(sample.mean(), 2))Esto imprime:
40.82
38.49La media muestral estima la media poblacional: se aproxima, pero no es igual. Cada conjunto de datos de ML es una muestra, y este capítulo termina encuestando a todo un pueblo.
Desafío
IntermedioUna granja de ovejas quiere conocer el peso medio del vellón de sus 3000 ovejas sin pesarlas a todas. En esta simulación, fleeces contiene el peso del vellón de cada oveja en gramos, y el programa lee el tamaño de una muestra.
- Extrae una muestra de esa cantidad de ovejas diferentes con
rng.choice. - Imprime su media, la media de todas las ovejas y cuánto se desvía (muestra menos todas), con 2 decimales.
Para otra granja y 30:
Sample of 30 sheep: 4371.33 g
All 3000 sheep: 4311.47 g
Off by: 59.86 gPruébalo tú mismo
import numpy as np
size = int(input())
# No cambies las líneas de abajo: el peso en gramos del vellón de cada oveja de la granja
rng = np.random.default_rng(19)
fleeces = np.round(rng.normal(4500, 800, size=3000))
# 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 sensores3Probabilidad 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