Implementierung der Streuung in Python
Datensatz definieren
Hier wird ein Array der Variablen data zugewiesen, um einen konsistenten Datensatz für alle Berechnungen bereitzustellen.
import numpy as np
# Create a numpy array of daily sales
data = np.array([10, 15, 12, 18, 20, 22, 14, 17, 11, 16])
Populationsstatistiken berechnen
Diese Funktion nimmt das Array als Eingabe und gibt den Durchschnittswert aller Elemente zurück, der die zentrale Tendenz des Datensatzes zusammenfasst.
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)berechnet das arithmetische Mittel (Durchschnitt);np.var(data)berechnet die Populationsvarianz (Division durch n);np.std(data)berechnet die Populationsstandardabweichung (Quadratwurzel der Varianz).
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}")
Stichprobenstatistiken berechnen
Um unverzerrte Schätzwerte aus einer Stichprobe zu erhalten, wird ddof=1 verwendet.
Dies wendet Bessels Korrektur an, indem die Varianz durch $(n-1)$ statt $n$ geteilt wird.
sample_variance_val = np.var(data, ddof=1)
sample_std_dev_val = np.std(data, ddof=1)
np.var(data, ddof=1)– Stichprobenvarianz;np.std(data, ddof=1)– Stichprobenstandardabweichung.
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}")
Die Standardabweichung ist die Quadratwurzel der Varianz und liefert ein Streuungsmaß in denselben Einheiten wie die Originaldaten, was die Interpretation erleichtert.
Danke für Ihr Feedback!
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
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 1.96Implementierung der Streuung in Python
Swipe um das Menü anzuzeigen
Datensatz definieren
Hier wird ein Array der Variablen data zugewiesen, um einen konsistenten Datensatz für alle Berechnungen bereitzustellen.
import numpy as np
# Create a numpy array of daily sales
data = np.array([10, 15, 12, 18, 20, 22, 14, 17, 11, 16])
Populationsstatistiken berechnen
Diese Funktion nimmt das Array als Eingabe und gibt den Durchschnittswert aller Elemente zurück, der die zentrale Tendenz des Datensatzes zusammenfasst.
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)berechnet das arithmetische Mittel (Durchschnitt);np.var(data)berechnet die Populationsvarianz (Division durch n);np.std(data)berechnet die Populationsstandardabweichung (Quadratwurzel der Varianz).
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}")
Stichprobenstatistiken berechnen
Um unverzerrte Schätzwerte aus einer Stichprobe zu erhalten, wird ddof=1 verwendet.
Dies wendet Bessels Korrektur an, indem die Varianz durch $(n-1)$ statt $n$ geteilt wird.
sample_variance_val = np.var(data, ddof=1)
sample_std_dev_val = np.std(data, ddof=1)
np.var(data, ddof=1)– Stichprobenvarianz;np.std(data, ddof=1)– Stichprobenstandardabweichung.
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}")
Die Standardabweichung ist die Quadratwurzel der Varianz und liefert ein Streuungsmaß in denselben Einheiten wie die Originaldaten, was die Interpretation erleichtert.
Danke für Ihr Feedback!
