Menu
CoddyTech
EMPEZAR A APRENDER
flag Es iconEspañoldown icon

Repaso: Encuestar a un pueblo

Parte de la sección Estadística para ML del Journey de Machine Learning de Coddy. Lección 23 de 64.

challenge icon

Desafío

Intermedio

Es hora de encuestar al pueblo sobre un parque nuevo. Una encuesta informa de la proporción de personas que lo apoyan, más o menos un margen: 2 veces el .std() de la encuesta dividido por la raíz cuadrada de su tamaño. ¿Los márgenes abarcan la verdad? 25 encuestas de otro pueblo:

25 encuestas como barras horizontales, cada una muestra una proporción con su margen. Una línea discontinua marca el apoyo verdadero, 0.52, y una línea punteada la marca de la mitad, 0.5. 24 barras cruzan el apoyo verdadero; la que no lo hace, la encuesta 5, está en naranja y etiquetada como la encuesta 5 no lo alcanza

voters contiene 1 por cada persona que apoya el parque y 0 para el resto; el programa lee el tamaño de la encuesta.

  1. Imprime el apoyo verdadero.
  2. Realiza 400 encuestas con votantes distintos; imprime la proporción y el margen de la primera.
  3. Imprime cuántos márgenes abarcan el apoyo verdadero y cuántas encuestas muestran 0.5 o menos.

Proporciones y márgenes con 3 decimales. Para ese otro pueblo y 200:

True support: 0.52
First poll: 0.525, give or take 0.071
Margins that caught the truth: 384 of 400
Polls calling it wrong: 127

Pruébalo tú mismo

import numpy as np

size = int(input())

# No cambies las líneas siguientes: 1 por cada votante que apoya el parque, 0 por los demás
voters = np.concatenate([np.ones(10800), np.zeros(9200)])
rng = np.random.default_rng(23)

# Escribe tu código a continuación

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 entrega

4Muestras y poblaciones

Población y muestraLas medias muestrales varíanLa distribución muestralMuestras más grandes, menos ruidoRepaso: Encuestar a un pueblo

7Líneas de tendencia

ResiduosAjuste por mínimos cuadradosTrazar el ajustePredecir con una línea¿Qué tan bueno es el ajuste?Repaso: horas de práctica

10Codificación de categorías

Categorías como númerosCodificación one-hotAgrupación de números en intervalosRepaso: anuncios de autos

2Distribuciones

Histogramas de densidadFormas de los datosCurva normalRegla del 68-95-99,7Puntuaciones zRepaso: duración de la batería

5Valores atípicos

Diagramas de cajaLa regla del RICLa regla del valor ZTratamiento de valores atípicosRepaso: fallos de los sensores

8Comparación de grupos

Diagramas de caja por grupoDiferencia de medias¿Podría ser azar?Valores pLa prueba tRepaso: prueba A/B

11Exploración de un conjunto de datos

Una primera miradaTodas las características a la vezCaracterísticas frente a la etiquetaLas dos mejores característicasRepaso: datos sobre la diabetes

3Probabilidad mediante simulación

La probabilidad como frecuenciaLa ley de los grandes númerosSuma de dadosValor esperadoProbabilidad condicionalRepaso: probabilidades del puesto de dados

6Relaciones

Lectura de diagramas de dispersiónCorrelaciónMatriz de correlaciónMapas de calor de correlaciónCorrelación no es causalidadRepaso: helado y sol

9Escalado de características

Por qué escalar las característicasEscalado mín-máxEstandarizaciónStandardScalerRepaso: compañeros de escalada

12Desafíos finales

Retrasos de trenesCalidad del aireQuímica del vinoEncuesta clínica

Practica por tu cuenta: Compilador de Python online