Стандартное отклонение и дисперсия: визуализация | Статистика для Data Science
В обоих классах среднее значение составляет 70%, однако один из них сильно сгруппирован, а другой — сильно разбросан. Дисперсия и стандартное отклонение измеряют этот разброс. Мы отображаем их визуально: отклонения в виде полос, квадраты отклонений в виде действительных квадратов, средний квадрат, а затем его квадратный корень. Плюс n − 1 для выборок и предварительный просмотр z-оценки. ▶ Полный курс: Статистика и теория вероятностей: https://www.youtube.com/watch?v=sbbYntt5CJk ▶ Также: Статистика для начинающих: https://www.youtube.com/watch?v=hjZJIVWHnPE Главы 0:00 Одно и то же среднее значение, разные данные 0:29 Почему среднего значения недостаточно 1:05 Отклонения от среднего значения 1:52 Возведение отклонений в квадрат 2:36 Дисперсия = среднее значение в квадрате 3:21 Стандартное отклонение = квадратный корень 4:03 Пример решения: 8 точек данных 4:49 Популяция против выборки: n − 1 5:34 Пример решения: выборка 6:10 z-баллы: предварительный обзор 6:57 Распространенные ошибки 7:41 Где используется в науке о данных 8:27 Практический вопрос 8:48 Практический ответ 9:20 Итоги Источники документация pandas Series.std (по умолчанию ddof=1): https://pandas.pydata.org/docs/reference/api/pandas.Series.std.html Документация NumPy по стандарту std (по умолчанию ddof=0): https://numpy.org/doc/stable/reference/generated/numpy.std.html #статистика #наукаоданных #стандартноеотклонение
Название:
Стандартное отклонение и дисперсия: визуализация | Статистика для Data Science
Категория:
Разное