68-95-99.7 규칙
Coddy Machine Learning 여정의 머신러닝을 위한 통계 섹션에 포함된 레슨. 64개 중 10번째.
정규 분포 데이터에서 표준편차는 평균에서 얼마나 떨어져 있는 데이터가 어느 정도 비율을 차지하는지 알려 줍니다. 커피를 따를 때 평균은 250 ml, 표준편차는 5 ml입니다.
이것이 68-95-99.7 규칙입니다. 10,000개의 시뮬레이션 컵으로 확인해 보세요. 마스크는 표준편차 1 이내의 컵을 셉니다.
rng = np.random.default_rng(1)
cups = rng.normal(250, 5, size=10000)
within1 = (cups > 245) & (cups < 255)
print(within1.sum() / cups.size)다음을 출력합니다:
0.6868아래 값의 비율을 구할 때, stats.norm.cdf(x, mean, std)는 x의 왼쪽에 있는 면적을 제공합니다. stats.norm.cdf(260, 250, 5)의 값은 0.977입니다.
3 std를 초과하는 타설은 1,000회 중 3회 발생합니다. 모델에 도달하기 전에 표시할 만큼 드문 경우입니다.
챌린지
쉬움한 실험실에서 전구 5,000개를 수명이 다할 때까지 작동시켰습니다. life에는 전구의 수명이 시간 단위로 저장되어 있고, 프로그램은 h를 입력으로 읽습니다. life의 평균과 표준편차(np.std)를 사용하여 다음 비율을 백분율(소수점 첫째 자리)로 출력하세요.
- 평균에서 표준편차 1배 이내인 비율,
- 표준편차 2배 이내인 비율,
h미만인 비율(실제 개수 기준),h미만인 비율(정규 곡선 기준).
다른 배치에서 입력이 1100인 경우:
Within 1 std: 67.6%
Within 2 std: 95.7%
Below 1100 hours, counted: 10.2%
Below 1100 hours, normal curve: 10.1%직접 해보기
import numpy as np
from scipy import stats
# 아래 줄은 변경하지 마세요
rng = np.random.default_rng(12)
life = np.round(rng.normal(1200, 100, size=5000))
h = int(input())
# 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