La ley de los grandes números
Parte de la sección Estadística para ML del Journey de Machine Learning de Coddy. Lección 14 de 64.
Lanza una moneda 10 veces y obtener 8 caras no es ninguna sorpresa. Sigue lanzándola y la proporción de caras se acerca lentamente a 0.5:
Cada punto necesita la proporción hasta el momento. np.cumsum da el total acumulado; divídelo entre los lanzamientos hasta el momento:
heads = np.array([True, False, True, True])
print(np.cumsum(heads))
print(np.round(np.cumsum(heads) / np.arange(1, 5), 2))Esto imprime:
[1 1 2 3]
[1. 0.5 0.67 0.75]ax.axhline(y) dibuja la línea de referencia de lado a lado del gráfico:
ax.plot(np.arange(1, 301), share)
ax.axhline(0.5, color="red", linestyle="--")Esa es la ley de los grandes números: más intentos, más cerca de la probabilidad. Un modelo que obtiene buenos resultados en 20 muestras puede haber tenido suerte; en 2000, difícilmente.
Desafío
IntermedioUna marca de cereales esconde un juguete en el 20 % de las cajas. El programa lee cuántas se abren; el código inicial rellena toys (True para un juguete) y etiqueta el gráfico.
- Calcula la proporción acumulada de juguetes.
- Imprímela después de 10 cajas y después de todas, con 3 decimales.
- Represéntala frente a los números de las cajas desde 1, añade una línea negra de puntos (
":") en 0.2 y muéstrala.
Para otras 80 cajas:
After 10 boxes: 0.1
After 80 boxes: 0.212y dibuja este gráfico. Después, Coddy describe el tuyo.
Pruébalo tú mismo
import numpy as np
import matplotlib.pyplot as plt
boxes = int(input())
# No cambies las líneas de abajo
rng = np.random.default_rng(25)
toys = rng.random(boxes) < 0.2
fig, ax = plt.subplots()
ax.set_title("Toys in Cereal Boxes")
ax.set_xlabel("Boxes opened")
ax.set_ylabel("Share with a toy")
# Escribe tu código abajo
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