Implementering af Spredning i Python
Definer datasættet
Her tildeles et array til variablen data for at sikre, at vi har et konsistent datasæt at arbejde med til alle beregninger.
import numpy as np
# Create a numpy array of daily sales
data = np.array([10, 15, 12, 18, 20, 22, 14, 17, 11, 16])
Beregn populationsstatistik
Denne funktion tager arrayet som input og returnerer gennemsnitsværdien af alle elementer, hvilket opsummerer datasættets centrale tendens.
mean_val = np.mean(data) # Mean
variance_val = np.var(data) # Population variance (ddof=0 by default)
std_dev_val = np.std(data) # Population standard deviation
np.mean(data)beregner det aritmetiske gennemsnit;np.var(data)beregner populationsvariansen (dividerer med n);np.std(data)beregner populationsstandardafvigelsen (kvadratroden af variansen).
123456789101112import numpy as np # Create a numpy array of daily sales data = np.array([10, 15, 12, 18, 20, 22, 14, 17, 11, 16]) mean_val = np.mean(data) # Mean variance_val = np.var(data) # Population variance (ddof=0 by default) std_dev_val = np.std(data) # Population standard deviation print(f"Mean: {mean_val}") print(f"Variance (Population): {variance_val}") print(f"Standard Deviation (Population): {std_dev_val}")
Beregn stikprøvestatistik
For at opnå upartiske estimater fra en stikprøve anvendes ddof=1.
Dette anvender Bessels korrektion, hvor variansen divideres med $(n-1)$ i stedet for $n$.
sample_variance_val = np.var(data, ddof=1)
sample_std_dev_val = np.std(data, ddof=1)
np.var(data, ddof=1)- stikprøvevarians;np.std(data, ddof=1)- stikprøvestandardafvigelse.
12345678910import numpy as np # Create a numpy array of daily sales data = np.array([10, 15, 12, 18, 20, 22, 14, 17, 11, 16]) sample_variance_val = np.var(data, ddof=1) sample_std_dev_val = np.std(data, ddof=1) print(f"Variance (Sample): {sample_variance_val}") print(f"Standard Deviation (Sample): {sample_std_dev_val}")
Standardafvigelse er kvadratroden af variansen og giver et mål for spredning i samme enheder som de oprindelige data, hvilket gør det lettere at fortolke.
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Can you explain the difference between population and sample statistics again?
Why do we use Bessel's correction (ddof=1) for sample statistics?
How do these statistics help in real business scenarios?
Awesome!
Completion rate improved to 1.96Implementering af Spredning i Python
Stryg for at vise menuen
Definer datasættet
Her tildeles et array til variablen data for at sikre, at vi har et konsistent datasæt at arbejde med til alle beregninger.
import numpy as np
# Create a numpy array of daily sales
data = np.array([10, 15, 12, 18, 20, 22, 14, 17, 11, 16])
Beregn populationsstatistik
Denne funktion tager arrayet som input og returnerer gennemsnitsværdien af alle elementer, hvilket opsummerer datasættets centrale tendens.
mean_val = np.mean(data) # Mean
variance_val = np.var(data) # Population variance (ddof=0 by default)
std_dev_val = np.std(data) # Population standard deviation
np.mean(data)beregner det aritmetiske gennemsnit;np.var(data)beregner populationsvariansen (dividerer med n);np.std(data)beregner populationsstandardafvigelsen (kvadratroden af variansen).
123456789101112import numpy as np # Create a numpy array of daily sales data = np.array([10, 15, 12, 18, 20, 22, 14, 17, 11, 16]) mean_val = np.mean(data) # Mean variance_val = np.var(data) # Population variance (ddof=0 by default) std_dev_val = np.std(data) # Population standard deviation print(f"Mean: {mean_val}") print(f"Variance (Population): {variance_val}") print(f"Standard Deviation (Population): {std_dev_val}")
Beregn stikprøvestatistik
For at opnå upartiske estimater fra en stikprøve anvendes ddof=1.
Dette anvender Bessels korrektion, hvor variansen divideres med $(n-1)$ i stedet for $n$.
sample_variance_val = np.var(data, ddof=1)
sample_std_dev_val = np.std(data, ddof=1)
np.var(data, ddof=1)- stikprøvevarians;np.std(data, ddof=1)- stikprøvestandardafvigelse.
12345678910import numpy as np # Create a numpy array of daily sales data = np.array([10, 15, 12, 18, 20, 22, 14, 17, 11, 16]) sample_variance_val = np.var(data, ddof=1) sample_std_dev_val = np.std(data, ddof=1) print(f"Variance (Sample): {sample_variance_val}") print(f"Standard Deviation (Sample): {sample_std_dev_val}")
Standardafvigelse er kvadratroden af variansen og giver et mål for spredning i samme enheder som de oprindelige data, hvilket gør det lettere at fortolke.
Tak for dine kommentarer!
