Le medie campionarie variano
Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 20 di 64.
Un campione di 30 pacchi fornisce una stima del loro peso medio. Estrai un altro campione e ne ottieni un’altra. Ecco 40 campioni:
Per raccoglierle, ripeti il campionamento in un ciclo, aggiungi ogni media a una lista, poi trasforma la lista in un array:
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))Questo stampa:
[7.98 8.05 8.12 8.19 8.76]Una media campionaria è essa stessa casuale e means.std() misura quanto varia. Il punteggio di un modello in un test è una di queste medie: un altro insieme di test lo sposterebbe.
Sfida
MedioUn giardiniere misura ogni settimana un campione casuale dei 1800 bambù di un vivaio. Di quanto può variare la media campionaria da una settimana all’altra?
Completa sample_means(data, size, count): estrai count campioni di size valori da data, senza ripetere valori all’interno di un campione, e aggiungi la media di ciascun campione. Le righe finali del codice iniziale chiamano la funzione e stampano il report.
Per un altro vivaio e campioni di 10:
200 means of 10 plants: 105.25 to 137.13 cm
Spread of the means (std): 5.27 cmProvalo tu
import numpy as np
size = int(input())
# No cambies las líneas siguientes: 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 a continuación: toma count muestras de size valores y guarda cada media
return np.array(means)
# No cambies las líneas siguientes
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")
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