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

Rakenna vahva tilastotieteen perusta Pythonilla. Opiskele keskeiset tilastolliset käsitteet ja sovella niitä NumPyn ja pandasin avulla. Siirry perusmittareista, kuten keskiarvosta ja varianssista, hypoteesitesteihin, luottamusväleihin ja datalähtöisiin oivalluksiin käytännön harjoitusten kautta.

Tutustu tilastotieteen keskeisiin periaatteisiin, mukaan lukien tietotyypit, keskiluvut sekä keskeiset erot otosten ja perusjoukkojen välillä.

Opi laskemaan ja tulkitsemaan keskiarvo, mediaani ja moodi Pythonilla. Harjoittele näitä operaatioita pandas-kirjastolla analysoidaksesi oikeita tietoaineistoja.

Ymmärrä, miten varianssi ja keskihajonta mittaavat aineiston hajontaa. Opiskele laskemaan molemmat sekä käsin että Python-työkaluilla.

Tutustu siihen, miten kovarianssi ja korrelaatio kuvaavat muuttujien välisiä suhteita. Harjoittele molempien mittareiden laskemista ja vertailua Pythonilla.

Hallitse luottamusvälit populaatioparametrien arvioimiseksi. Käytä NumPya, pandas-kirjastoa ja visualisointikirjastoja luottamusvälien laskemiseen ja tulkintaan oikean datan avulla.

Opi hypoteesin testauksen ja t-testin perusteet. Ymmärrä, kuinka testejä suunnitellaan, suoritetaan ja tulkitaan Pythonin avulla tietoon perustuvien päätösten tukemiseksi.

Varianssin ja Keskihajonnan Laskeminen

Ratkaisu