Distribuzione campionaria
Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 21 di 64.
Le sessioni video hanno una distribuzione asimmetrica a destra: la maggior parte dura pochi minuti, alcune durano due ore. Eppure, le medie di 1000 campioni di 40 sessioni formano una campana:
L’istogramma di molte medie campionarie è la distribuzione campionaria. Con un numero sufficiente di valori in ogni campione, ha una forma a campana centrata sulla media della popolazione, anche per dati asimmetrici:
means = sample_means(sessions, 40, 1000) # la tua funzione da Sample Means Vary
ax.hist(means, bins=12)Questo è il teorema del limite centrale. Rende prevedibili le medie: l’errore medio di un modello su un insieme di test è anch’esso approssimativamente normale.
Sfida
MedioLe dimensioni dei 6000 file di un'unità cloud in files (MB) hanno una distribuzione asimmetrica a destra: molti documenti, pochi video. Il programma legge una dimensione del campione; il codice iniziale contiene sample_means e due grafici.
- Calcola 500 medie campionarie di quella dimensione.
- Stampa la media meno la mediana dei file, poi quella delle medie (2 decimali).
- Rappresenta con un istogramma i file su
axs[0]e le medie suaxs[1], conbins=12, e mostra i grafici.
Per un'altra unità e 60:
Files: mean - median = 25.28 MB
Sample means: mean - median = 0.55 MBQuindi Coddy mostra ciascun grafico. Una differenza vicina a 0 significa che l'asimmetria è scomparsa.
Provalo tu
import numpy as np
import matplotlib.pyplot as plt
size = int(input())
# Non modificare le righe seguenti: la dimensione in MB di ogni file nell'unità
rng = np.random.default_rng(21)
files = np.round(rng.random(6000) ** 4 * 300 + 5, 2)
# La tua funzione da Sample Means Vary: le medie di count campioni
def sample_means(data, size, count):
means = []
for i in range(count):
sample = rng.choice(data, size=size, replace=False)
means.append(sample.mean())
return np.array(means)
fig, axs = plt.subplots(1, 2)
axs[0].set_title("All Files")
axs[0].set_xlabel("File size (MB)")
axs[1].set_title("Sample Means")
axs[1].set_xlabel("Mean file size (MB)")
# 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