Reguła 68-95-99,7
Część sekcji Statystyka w uczeniu maszynowym ścieżki Machine Learning w Coddy. Lekcja 10 z 64.
W przypadku danych o rozkładzie normalnym std informuje, jaka część danych znajduje się w jakiej odległości od średniej. Nalewki kawy, średnia 250 ml, std 5 ml:
To jest reguła 68-95-99,7. Sprawdź ją na 10 000 symulowanych kubkach: maska zlicza te, które mieszczą się w granicy 1 odchylenia standardowego.
rng = np.random.default_rng(1)
cups = rng.normal(250, 5, size=10000)
within1 = (cups > 245) & (cups < 255)
print(within1.sum() / cups.size)To wyświetla:
0.6868Dla udziału poniżej dowolnej wartości stats.norm.cdf(x, mean, std) podaje pole po lewej stronie od x: stats.norm.cdf(260, 250, 5) wynosi 0.977.
Przekroczenie 3 odchyleń standardowych zdarza się 3 razy na 1000 przypadków: wystarczająco rzadko, by oznaczyć je, zanim trafi do modelu.
Wyzwanie
ŁatwyW laboratorium testowano 5,000 żarówek, aż się przepaliły. life przechowuje liczbę godzin ich działania, a program odczytuje h. Używając średniej i odchylenia standardowego (np.std) dla life, wypisz te odsetki w procentach (z 1 miejscem po przecinku):
- w granicach 1 odchylenia standardowego od średniej,
- w granicach 2 odchyleń standardowych,
- poniżej
h, na podstawie zliczenia, - poniżej
h, według krzywej normalnej.
Dla kolejnej partii i danych wejściowych 1100:
Within 1 std: 67.6%
Within 2 std: 95.7%
Below 1100 hours, counted: 10.2%
Below 1100 hours, normal curve: 10.1%Spróbuj swoich sił
import numpy as np
from scipy import stats
# Nie zmieniaj poniższych wierszy
rng = np.random.default_rng(12)
life = np.round(rng.normal(1200, 100, size=5000))
h = int(input())
# Napisz swój kod poniżej
Sprawdź sięTa 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