все объёмный конспект лекций
Автор лекций: Anatoliy Karpov
Так как рендер ноутбуков от гитхаб грубоват, то читать лекции удобнее от сюда
Конспект лекций по курсу "Основы статистики"
License: Apache License 2.0
Привет! Большое спасибо за проделанную работу, этот конспект помог мне освежить в памяти статистику!
После ознакомления у меня есть несколько комментариев:
t.ppf()
: вместо степеней свободы в метод передаётся среднее значение.import pandas as pd
from scipy.stats import t
import matplotlib.pyplot as plt
import numpy as np
array1 = np.array([84.7, 105.0, 98.9, 97.9, 108.7, 81.3, 99.4, 89.4, 93.0,
119.3, 99.2, 99.4, 97.1, 112.4, 99.8, 94.7, 114.0, 95.1, 115.5, 111.5])
array2 = np.array([57.2, 68.6, 104.4, 95.1, 89.9, 70.8, 83.5, 60.1, 75.7,
102.0, 69.0, 79.6, 68.9, 98.6, 76.0, 74.8, 56.0, 55.6, 69.4, 59.5])
# считаем количество элементов, среднее, стандартное отклонение и стандартную ошибку
df = pd.DataFrame({'Выборка1':array1, 'Выборка2':array2}).agg(['mean','std','count','sem']).transpose()
df.columns = ['Mx','SD','N','SE']
# рассчитываем 95% интервал отклонения среднего
p = 0.95
K = t.ppf((1 + p)/2, df['Mx']-1) # <-- Ошибка тут
df['interval'] = K * df['SE']
df
#строим графики, boxplot из изначальных данных array1, array2, доверительные интервалы из датафрейма df
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(14, 9))
# график boxplot
bplot1 = ax1.boxplot([array1, array2],
vert=True, # создаем вертикальные боксы
patch_artist=True, # для красоты заполним цветом боксы квантилей
labels=['Выборка1', 'Выборка2']) # используется для задания значений выборок в случае с boxplot
# график доверительных интервалов
bplot2 = ax2.errorbar(x=df.index, y=df['Mx'], yerr=df['interval'],\
color="black", capsize=3, markersize=4, mfc="red", mec="black", fmt ='o')
# раскрасим boxplot
colors = ['pink', 'lightgreen']
for patch, color in zip(bplot1['boxes'], colors):
patch.set_facecolor(color)
# добавим общие для каждого из графиков данные
for ax in [ax1, ax2]:
ax.yaxis.grid(True)
ax.set_title('Температура плавления ДНК двух типов')
ax.set_xlabel('Сравнение двух выборок')
ax.set_ylabel('Температура F')
ax.set_ylim(50, 120) # <-- добавил лимит по оси, чтобы графики были в одном масштабе
plt.show()
Крайне чувствителен к взбросам. -> Крайне чувствителен к выбросам.
".. а стандарное отклонение этого распределение будет називаться .." -> ".. а стандартное отклонение этого распределение будет называться .."
Часть 2
Задача про премию Оскар
При расчете значения p количество степеней свободы должно быть не N-2, а N + N -2 (т.к. у нас двухвыборочный тест)
from scipy.stats import t
from numpy import sqrt
mean_m, mean_f = 45, 34
sd_m, sd_f = 9, 10
N = 100
se = sqrt((sd_m ** 2)/N + (sd_f ** 2)/N)
t_value = (mean_m - mean_f)/se
p = t.sf(t_value, N+N-2)
print(f'p={p}')
if p >= 0.05:
print('Мы НЕ можем отклонить нулевую гипотезу')
else:
print('Мы можем отклонить нулевую гипотезу')
K = t.ppf((1 + p)/2, df['Mx']-1)
в степень свободы взял среднее, надо - размер выборки
ssw = sum(sum((x - group_mean)**2 for x in data[group]) for group, group_mean in data.mean().items())
посчитано sst, проверь - будет 30
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.