Hajonnan Toteuttaminen Pythonilla
Pyyhkäise näyttääksesi valikon
Määritä tietoaineisto
Tässä määritetään taulukko muuttujaan data, jotta kaikissa laskuissa käytetään yhtenäistä tietoaineistoa.
import numpy as np
# Create a numpy array of daily sales
data = np.array([10, 15, 12, 18, 20, 22, 14, 17, 11, 16])
Laske populaatiotilastot
Tämä funktio ottaa taulukon syötteenä ja palauttaa kaikkien alkioiden keskiarvon, joka kuvaa tietoaineiston keskilukua.
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)laskee aritmeettisen keskiarvon;np.var(data)laskee populaatiovarianssin (jakaa luvulla n);np.std(data)laskee populaation keskihajonnan (varianssin neliöjuuri).
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}")
Otantatilastojen laskeminen
Harhattomien estimaattien saamiseksi otoksesta käytetään ddof=1.
Tämä soveltaa Besselin korjausta, jolloin varianssi jaetaan $(n-1)$:llä $n$:n sijaan.
sample_variance_val = np.var(data, ddof=1)
sample_std_dev_val = np.std(data, ddof=1)
np.var(data, ddof=1)– otosvarianssi;np.std(data, ddof=1)– otoksen keskihajonta.
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}")
Keskihajonta on varianssin neliöjuuri, joka antaa hajonnan mittarin samoissa yksiköissä kuin alkuperäinen data, mikä helpottaa tulkintaa.
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Hajonnan Toteuttaminen Pythonilla
Määritä tietoaineisto
Tässä määritetään taulukko muuttujaan data, jotta kaikissa laskuissa käytetään yhtenäistä tietoaineistoa.
import numpy as np
# Create a numpy array of daily sales
data = np.array([10, 15, 12, 18, 20, 22, 14, 17, 11, 16])
Laske populaatiotilastot
Tämä funktio ottaa taulukon syötteenä ja palauttaa kaikkien alkioiden keskiarvon, joka kuvaa tietoaineiston keskilukua.
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)laskee aritmeettisen keskiarvon;np.var(data)laskee populaatiovarianssin (jakaa luvulla n);np.std(data)laskee populaation keskihajonnan (varianssin neliöjuuri).
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}")
Otantatilastojen laskeminen
Harhattomien estimaattien saamiseksi otoksesta käytetään ddof=1.
Tämä soveltaa Besselin korjausta, jolloin varianssi jaetaan $(n-1)$:llä $n$:n sijaan.
sample_variance_val = np.var(data, ddof=1)
sample_std_dev_val = np.std(data, ddof=1)
np.var(data, ddof=1)– otosvarianssi;np.std(data, ddof=1)– otoksen keskihajonta.
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}")
Keskihajonta on varianssin neliöjuuri, joka antaa hajonnan mittarin samoissa yksiköissä kuin alkuperäinen data, mikä helpottaa tulkintaa.
Kiitos palautteestasi!