Las medias muestrales varían
Parte de la sección Estadística para ML del Journey de Machine Learning de Coddy. Lección 20 de 64.
Una muestra de 30 paquetes proporciona una estimación de su peso medio. Vuelve a muestrear y obtendrás otra. Aquí tienes 40 muestras:
Para recopilarlas, repite el muestreo en un bucle, añade cada media a una lista y después convierte la lista en una matriz:
means = []
for i in range(5):
sample = rng.choice(parcels, size=30, replace=False)
means.append(sample.mean())
means = np.array(means)
print(np.round(means, 2))Esto imprime:
[7.98 8.05 8.12 8.19 8.76]Una media muestral es aleatoria en sí misma, y means.std() mide cuánto varía. La puntuación de un modelo en una prueba es una de esas medias: otro conjunto de pruebas la desplazaría.
Desafío
IntermedioUn jardinero mide una muestra aleatoria de las 1800 plantas de bambú de un vivero cada semana. ¿Cuánto puede variar la media muestral de una semana a otra?
Completa sample_means(data, size, count): extrae count muestras de size valores de data, sin repetir ningún valor en una muestra, y añade la media de cada muestra. Las últimas líneas del código inicial la llaman e imprimen el informe.
Para otro vivero y muestras de 10:
200 means of 10 plants: 105.25 to 137.13 cm
Spread of the means (std): 5.27 cmPruébalo tú mismo
import numpy as np
size = int(input())
# No cambies las líneas de abajo: la altura en cm de cada planta de bambú
rng = np.random.default_rng(20)
heights = np.round(rng.normal(95, 15, size=1800), 1)
def sample_means(data, size, count):
means = []
# Escribe tu código abajo: toma count muestras de size valores y guarda la media de cada una
return np.array(means)
# No cambies las líneas de abajo
means = sample_means(heights, size, 200)
print(f"200 means of {size} plants: {np.round(means.min(), 2)} to {np.round(means.max(), 2)} cm")
print(f"Spread of the means (std): {np.round(means.std(), 2)} cm")
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