Percentyle i kwartyle
Część sekcji Statystyka w uczeniu maszynowym ścieżki Machine Learning w Coddy. Lekcja 2 z 64.
Percentyl dzieli uporządkowane dane: 25. percentyl leży w jednej czwartej drogi, a 50. to mediana. Czasy dziewięciu pokoi zagadek:
Podział na ćwiartki wyznaczają kwartyle Q1, Q2 i Q3. np.percentile(a, q) przyjmuje q od 0 do 100 lub listę:
times = np.array([52, 38, 61, 45, 70, 41, 95, 58, 49])
print(np.percentile(times, [25, 50, 75]))To wyświetla:
[45. 52. 61.]Środkowa połowa rozciąga się od Q1 do Q3; jej szerokość to rozstęp międzykwartylowy, Q3 - Q1: 16 sekund.
Ustaw najwolniejszy czas na 950: IQR pozostaje równy 16. Zaufaj mu, gdy cecha ma wartości skrajne.
Wyzwanie
ŁatwyKlient pyta, jak jego zużycie wody wypada na tle 20 domów przy jego ulicy. use zawiera liczbę litrów zużytych przez te domy, a program odczytuje zużycie klienta. Wypisz:
- Kwartyle dla
use: Q1, medianę, Q3. - IQR.
- Kwartyl klienta: 1 poniżej Q1, 2 poniżej mediany, 3 poniżej Q3, w przeciwnym razie 4.
Dla ulicy z 12 domami i danych wejściowych 172:
Quartiles: 157.5, 170.5, 183.5 liters
IQR: 26.0 liters
This home is in quarter 3Spróbuj swoich sił
import numpy as np
# Liczba litrów wody zużytej wczoraj przez każdy dom
use = np.array([312, 285, 410, 198, 356, 274, 520, 301, 289, 345,
262, 398, 230, 610, 327, 295, 368, 251, 334, 280])
liters = int(input())
# Napisz swój kod poniżej
Ta lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.
Wszystkie lekcje w sekcji Statystyka w uczeniu maszynowym
1Położenie i rozproszenie
Średnia i medianaPercentyle i kwartyleWariancja i odchylenie standardowePróba czy populacja?Najczęściej występująca wartośćPodsumowanie: czasy dostaw4Próby i populacje
Populacja i próbaŚrednie z prób się różniąRozkład próbkowaniaWiększe próby, mniej szumuPodsumowanie: ankietowanie mieszkańców2Rozkłady
Histogramy gęstościKształty danychKrzywa normalnaReguła 68-95-99,7Wyniki standaryzowane (Z-scores)Podsumowanie: czas pracy baterii5Obserwacje odstające
Wykresy pudełkoweReguła IQRReguła Z-scorePostępowanie z obserwacjami odstającymiPodsumowanie: błędy czujników3Prawdopodobieństwo przez symulację
Prawdopodobieństwo jako częstośćPrawo wielkich liczbSumy oczekWartość oczekiwanaPrawdopodobieństwo warunkowePodsumowanie: szanse na stoisku z kośćmi6Relacje
Odczytywanie wykresów punktowychKorelacjaMacierz korelacjiMapy cieplne korelacjiKorelacja nie oznacza przyczynowościPodsumowanie: lody i słońcePoćwicz samodzielnie: Kompilator Python online