Regla del 68-95-99,7
Parte de la sección Estadística para ML del Journey de Machine Learning de Coddy. Lección 10 de 64.
En los datos normales, la desviación estándar te indica qué proporción se encuentra a qué distancia de la media. Vasos de café, media de 250 ml, desviación estándar de 5 ml:
Esa es la regla 68-95-99.7. Compruébala con 10,000 tazas simuladas: una máscara cuenta las que están dentro de 1 desviación estándar.
rng = np.random.default_rng(1)
cups = rng.normal(250, 5, size=10000)
within1 = (cups > 245) & (cups < 255)
print(within1.sum() / cups.size)Esto imprime:
0.6868Para la proporción por debajo de cualquier valor, stats.norm.cdf(x, mean, std) da el área a la izquierda de x: stats.norm.cdf(260, 250, 5) es 0.977.
Un vertido de más de 3 desviaciones estándar ocurre 3 veces de cada 1.000: lo bastante raro como para señalarlo antes de que llegue a un modelo.
Desafío
FácilUn laboratorio probó 5,000 bombillas hasta que se fundieron. life contiene sus horas de funcionamiento y el programa lee h. Usando la media y la desviación estándar (np.std) de life, imprime estos porcentajes (con 1 decimal):
- dentro de 1 desviación estándar de la media,
- dentro de 2 desviaciones estándar,
- por debajo de
h, según el recuento, - por debajo de
h, según la curva normal.
Para otro lote y la entrada 1100:
Within 1 std: 67.6%
Within 2 std: 95.7%
Below 1100 hours, counted: 10.2%
Below 1100 hours, normal curve: 10.1%Pruébalo tú mismo
import numpy as np
from scipy import stats
# No cambies las líneas siguientes
rng = np.random.default_rng(12)
life = np.round(rng.normal(1200, 100, size=5000))
h = int(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 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