Menu
CoddyTech
INIZIA A IMPARARE
flag It iconItalianodown icon

Ritardi dei treni

Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 61 di 64.

Due linee di pendolari, Maple e Birch, condividono una stazione. Per 24 giorni sono stati registrati i ritardi dei treni di entrambe le linee nell'ora di punta, in trains.csv:

Diagrammi a scatola dei ritardi delle due linee: la scatola di Maple si colloca intorno ai 15 minuti, con un punto a 91 contrassegnato come guasto del segnale e un punto basso a 4; quella di Birch è più in basso, intorno a 11, con punti a 63 e 74 contrassegnati come guasti del segnale

Tre guasti ai segnali hanno trattenuto i treni per un’ora o più: un dato reale, ma abbastanza grande da falsare qualsiasi media.

Il responsabile chiede: Maple è davvero più in ritardo, oppure la differenza potrebbe essere dovuta al caso? Ridimensiona gli estremi, poi lascia che sia il rimescolamento a decidere.

challenge icon

Sfida

Difficile

Il programma legge il fattore dei limiti k; 1.5 è la regola del grafico a scatola.

  1. Limita tutti i ritardi a Q1 - k * IQR e Q3 + k * IQR, conta i valori anomali, poi limita ogni ritardo con np.clip.
  2. Stampa la media dei ritardi limitati per ciascuna linea e la differenza, Maple meno Birch.
  3. Mescola 2000 volte: unisci i ritardi limitati di Maple e poi quelli di Birch, una rng.permutation per round; i primi 24 sono Maple fittizi.
  4. Stampa il valore p, ignorando il segno, e il verdetto: unlikely to be chance se inferiore a 0.05, altrimenti could be chance.

Arrotonda a 2 decimali e p a 3. Per k = 2:

Fences: 0.25 to 26.5 (3 outliers)
Maple mean: 15.27
Birch mean: 12.21
Difference: 3.06
p-value: 0.03
Verdict: unlikely to be chance

Il verdetto regge con un valore di k più rigoroso o più permissivo?

Provalo tu

import numpy as np
import pandas as pd

k = float(input())
df = pd.read_csv("trains.csv")
delays = df["delay_min"]

# Non modificare la riga qui sotto
rng = np.random.default_rng(5)

# Scrivi il tuo codice qui sotto
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