Popolazione e campione
Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 19 di 64.
Pesare le mele di 300 alberi richiede giorni; pesare quelle di 20 alberi richiede un'ora. Tutti gli alberi costituiscono la popolazione, i 20 un campione:
rng.choice estrae il campione. replace=False seleziona ogni albero al massimo una volta, come i nomi estratti da un cappello:
rng = np.random.default_rng(4)
trees = np.round(rng.normal(40, 8, size=300), 1) # kg di mele
sample = rng.choice(trees, size=20, replace=False)
print(np.round(trees.mean(), 2))
print(np.round(sample.mean(), 2))Questo stampa:
40.82
38.49La media campionaria stima la media della popolazione: vicina, non uguale. Ogni set di dati di ML è un campione e questo capitolo si conclude con un sondaggio rivolto a un'intera città.
Sfida
MedioUn allevamento di pecore vuole conoscere il peso medio del vello delle sue 3000 pecore senza pesarle tutte. In questa simulazione fleeces contiene il peso del vello di ogni pecora in grammi, e il programma legge la dimensione di un campione.
- Estrai un campione di altrettante pecore diverse con
rng.choice. - Stampa la sua media, la media di tutte le pecore e di quanto si discosta (campione meno tutte), con 2 cifre decimali.
Per un altro allevamento e 30:
Sample of 30 sheep: 4371.33 g
All 3000 sheep: 4311.47 g
Off by: 59.86 gProvalo tu
import numpy as np
size = int(input())
# Non modificare le righe qui sotto: il peso in grammi del vello di ogni pecora della fattoria
rng = np.random.default_rng(19)
fleeces = np.round(rng.normal(4500, 800, size=3000))
# Scrivi il tuo codice qui sotto
Mettiti alla provaQuesta 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 consegna4Campioni e popolazioni
Popolazione e campioneLe medie campionarie varianoDistribuzione campionariaCampioni più grandi, meno rumoreRiepilogo: sondare una città7Linee di tendenza
ResiduiAdattamento dei minimi quadratiTracciare la retta di adattamentoFare previsioni con una rettaQuanto è buono l’adattamento?Riepilogo: ore di pratica10Codifica delle categorie
Categorie come numeriCodifica one-hotRaggruppamento dei numeri in intervalliRiepilogo: annunci di auto2Distribuzioni
Istogrammi di densitàForme dei datiCurva normaleRegola 68-95-99,7Punteggi ZRiepilogo: durata della batteria5Valori anomali
Diagrammi a scatolaLa regola dell'IQRLa regola dello z-scoreGestire i valori anomaliRiepilogo: anomalie dei sensori3Probabilità tramite simulazione
La probabilità come frequenzaLa legge dei grandi numeriSomme dei dadiValore attesoProbabilità condizionataRiepilogo: probabilità al banco dei dadi6Relazioni
Leggere i grafici a dispersioneCorrelazioneMatrice di correlazioneMappe di calore della correlazioneCorrelazione non significa causalitàRiepilogo: gelato e soleEsercitati da solo: Compilatore Python online