Menu
CoddyTech
INIZIA A IMPARARE
flag It iconItalianodown icon

Percentili e quartili

Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 2 di 64.

Un percentile divide i dati ordinati: il 25° si trova a un quarto del percorso, il 50° è la mediana. Tempi di nove escape room:

Nove tempi di escape room come punti su una linea, da 38 a 95 secondi. Le linee indicano Q1 a 45, Q2 a 52 e Q3 a 61, e un riquadro ombreggiato da Q1 a Q3 è etichettato metà centrale, IQR di 16

I punti che dividono i dati in quarti sono i quartili Q1, Q2 e Q3. np.percentile(a, q) accetta q da 0 a 100 oppure una lista:

times = np.array([52, 38, 61, 45, 70, 41, 95, 58, 49])
print(np.percentile(times, [25, 50, 75]))

Questo stampa:

[45. 52. 61.]

La metà centrale va da Q1 a Q3; la sua ampiezza è l’intervallo interquartile, Q3 - Q1: 16 secondi.

Imposta il tempo più lento a 950: l’IQR rimane 16. Fidati di questo dato quando una caratteristica presenta valori estremi.

challenge icon

Sfida

Facile

Un cliente chiede come si confronta il suo consumo d'acqua con quello delle 20 case della sua via. use contiene i litri consumati dalle case e il programma legge quelli del cliente. Stampa:

  1. I quartili di use: Q1, la mediana, Q3.
  2. L'IQR.
  3. Il quartile del cliente: 1 se è sotto Q1, 2 se è sotto la mediana, 3 se è sotto Q3, altrimenti 4.

Per una via con 12 case e l'input 172:

Quartiles: 157.5, 170.5, 183.5 liters
IQR: 26.0 liters
This home is in quarter 3

Provalo tu

import numpy as np

# Liters of water each home used yesterday
use = np.array([312, 285, 410, 198, 356, 274, 520, 301, 289, 345,
                262, 398, 230, 610, 327, 295, 368, 251, 334, 280])
liters = int(input())

# Write your code below
quiz iconMettiti alla prova

Questa lezione include un breve quiz. Inizia la lezione per rispondere e tenere traccia dei tuoi progressi.

Tutte le lezioni di Statistica per il machine learning

1Centro e dispersione

Media e medianaPercentili e quartiliVarianza e deviazione standardCampione o popolazione?Il valore più frequenteRiepilogo: tempi di consegna

4Campioni e popolazioni

Popolazione e campioneLe medie campionarie varianoDistribuzione campionariaCampioni più grandi, meno rumoreRiepilogo: sondare una città

7Linee di tendenza

ResiduiAdattamento dei minimi quadratiTracciare la retta di adattamentoFare previsioni con una rettaQuanto è buono l’adattamento?Riepilogo: ore di pratica

10Codifica delle categorie

Categorie come numeriCodifica one-hotRaggruppamento dei numeri in intervalliRiepilogo: annunci di auto

2Distribuzioni

Istogrammi di densitàForme dei datiCurva normaleRegola 68-95-99,7Punteggi ZRiepilogo: durata della batteria

5Valori anomali

Diagrammi a scatolaLa regola dell'IQRLa regola dello z-scoreGestire i valori anomaliRiepilogo: anomalie dei sensori

8Confrontare gruppi

Diagrammi a scatola per gruppoDifferenza tra le mediePotrebbe essere solo caso?I p-valueIl test tRiepilogo: test A/B

11Esplorare un dataset

Una prima occhiataTutte le feature insiemeFeature a confronto con l'etichettaLe due feature miglioriRiepilogo: dati sul diabete

3Probabilità tramite simulazione

La probabilità come frequenzaLa legge dei grandi numeriSomme dei dadiValore attesoProbabilità condizionataRiepilogo: probabilità al banco dei dadi

6Relazioni

Leggere i grafici a dispersioneCorrelazioneMatrice di correlazioneMappe di calore della correlazioneCorrelazione non significa causalitàRiepilogo: gelato e sole

9Scalatura delle feature

Perché scalare le featureScalatura Min-MaxStandardizzazioneStandardScalerRiepilogo: compagni di scalata

12Sfide finali

Ritardi dei treniQualità dell'ariaChimica del vinoSondaggio in clinica

Esercitati da solo: Compilatore Python online