모집단과 표본
Coddy Machine Learning 여정의 머신러닝을 위한 통계 섹션에 포함된 레슨. 64개 중 19번째.
나무 300그루의 사과 무게를 재는 데는 며칠이 걸리지만, 나무 20그루의 무게를 재는 데는 한 시간이 걸립니다. 나무 전체가 모집단이고, 그중 20그루가 표본입니다:
rng.choice가 표본을 추출합니다. replace=False는 모자에서 이름을 뽑듯이 각 나무를 최대 한 번만 선택합니다:
rng = np.random.default_rng(4)
trees = np.round(rng.normal(40, 8, size=300), 1) # 사과의 무게(kg)
sample = rng.choice(trees, size=20, replace=False)
print(np.round(trees.mean(), 2))
print(np.round(sample.mean(), 2))다음과 같이 출력됩니다:
40.82
38.49표본 평균은 모집단 평균을 추정합니다. 가까울 뿐, 같지는 않습니다. 모든 ML 데이터 세트는 표본이며, 이 장은 마을 전체를 대상으로 설문 조사를 하는 것으로 끝납니다.
챌린지
중급양 농장에서 양 3000마리의 양털을 모두 무게를 재지 않고 평균 양털 무게를 알고 싶어 합니다. 이 시뮬레이션에서 fleeces는 각 양의 양털 무게를 그램 단위로 담고 있으며, 프로그램은 표본 크기를 입력받습니다.
rng.choice를 사용해 해당 수만큼 서로 다른 양을 표본으로 추출하세요.- 표본의 평균, 모든 양의 평균, 그리고 두 평균의 차이(표본 평균 - 전체 평균)를 소수점 둘째 자리까지 출력하세요.
다른 농장과 30의 경우:
Sample of 30 sheep: 4371.33 g
All 3000 sheep: 4311.47 g
Off by: 59.86 g직접 해보기
import numpy as np
size = int(input())
# 아래 줄은 변경하지 마세요: 농장에 있는 모든 양의 양털 무게(그램)
rng = np.random.default_rng(19)
fleeces = np.round(rng.normal(4500, 800, size=3000))
# 아래에 코드를 작성하세요
실력 점검이 레슨에는 짧은 퀴즈가 포함되어 있습니다. 레슨을 시작해 문제를 풀고 진행 상황을 기록하세요.
머신러닝을 위한 통계의 모든 레슨
직접 연습해 보세요: 온라인 Python 컴파일러