Summary  
This chapter explains how to implement code that computes the mean, variance, and standard deviation of a data set by accumulating sums of squared deviations and applying the appropriate formulas.

General domain of usage  
Statistical data analysis

import unittest
import pandas as pd

def _dynamic_test(test_case, condition, success_msg, failure_msg):
    if condition:
        test_case._testMethodName = success_msg
        test_case.assertTrue(True, success_msg)
    else:
        test_case._testMethodName = failure_msg
        test_case.fail(failure_msg)

class TestVarianceStd(unittest.TestCase):
    def test_variance_std(self):
        # ÐÐ¼Ð¿Ð¾ÑÑ ÐºÐ¾ÑÐ¸ÑÑÑÐ²Ð°ÑÑÐºÐ¾Ð³Ð¾ ÑÑÑÐµÐ½Ð½Ñ
        import user_code

        # ÐÐ°Ð²Ð°Ð½ÑÐ°Ð¶ÑÑÐ¼Ð¾ ÑÑ ÑÐ°Ð¼Ñ Ð´Ð°Ð½Ñ
        df = pd.read_csv(
            'https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/ds_salaries_statistics',
            index_col=0
        )

        # ÐÐ±ÑÐ¸ÑÐ»ÑÑÐ¼Ð¾ Ð¾ÑÑÐºÑÐ²Ð°Ð½Ñ Ð·Ð½Ð°ÑÐµÐ½Ð½Ñ
        expected_var = df['salary'].var()
        expected_std = df['salary'].std()

        # ÐÐµÑÐµÐ²ÑÑÑÑÐ¼Ð¾ Ð· ÑÐ¾ÑÐ½ÑÑÑÑ Ð´Ð¾ 1e-6
        condition = (
            abs(user_code.var - expected_var) < 1e-6 and
            abs(user_code.std - expected_std) < 1e-6
        )

        _dynamic_test(
            self,
            condition,
            "The variance and standard deviation are calculated correctly.",
            "The variance and/or standard deviation are incorrect. Check your calculations."
        )

if __name__ == "__main__":
    unittest.main()


test_code.py

Erwerben Sie ein solides Fundament in Statistik mit Python. Lernen Sie grundlegende statistische Konzepte kennen und wenden Sie diese mit NumPy und pandas an. Von Basismaßen wie Mittelwert und Varianz bis hin zu Hypothesentests, Konfidenzintervallen und datenbasierten Erkenntnissen mit praxisnahen Übungen.

Erkunden Sie grundlegende statistische Prinzipien, einschließlich Datentypen, Maße der zentralen Tendenz und wesentliche Unterschiede zwischen Stichproben und Grundgesamtheiten.

Erlernen der Berechnung und Interpretation von Mittelwert, Median und Modus mit Python. Anwendung dieser Operationen mit pandas zur Analyse realer Datensätze.

Verstehen, wie Varianz und Standardabweichung die Streuung von Daten messen. Berechnung beider Werte manuell und mit Python-Werkzeugen.

Untersuchung, wie Kovarianz und Korrelation Beziehungen zwischen Variablen beschreiben. Berechnung und Vergleich beider Kennzahlen in Python anwenden.

Sicheres Beherrschen von Konfidenzintervallen zur Schätzung von Populationsparametern. Verwendung von NumPy, pandas und Visualisierungsbibliotheken zur Berechnung und Interpretation von Intervallen mit realen Daten.

Erlernen der Grundlagen von Hypothesentests und des t-Tests. Verständnis für die Planung, Durchführung und Interpretation von Tests mit Python zur Unterstützung datenbasierter Entscheidungen.

Berechnung von Varianz und Standardabweichung

Lösung

Awesome!

Berechnung von Varianz und Standardabweichung

Lösung