Statistikast¶

Keskväärtus, dispersioon, standardhälve.¶

Dispersioon näitab kui palju tulemused erinevad(varieerivad) keskmisest. Näiteks kui katseseerias on kõigi katsete tulemus sama, siis katsete dispersioon on null. Mida suurem aga dispersioon on, seda enam erinevad katsete tulemused üksteisest. Seega iseloomustab dispersioon tulemuste hajusust. Arvutatakse alltoodud valemiga, kus on keskväärtus, µ on konkreetne väärtus ja n on väärtuste koguarv.

Kirjapilt

et dispersiooni iseloomustab andmete hajuvust ruudus- see tuleneb andmete ühikust. Dispersiooni ruutjuur on standardhälve, mille sümbol on …

Ülesanded¶

Ülesannete lahendamiseks laadige alla moodul „Thinkstats“ http://thinkstats.com/thinkstats.py. Selles moodulis sisalduvad üldised valemid. Neid funktsioone saab lugeda http://thinkstats.com/thinkstats.html

Lisaks tuleb alla laadida andmete failid aadressilt:

1. Mine http://www.greenteapress.com/thinkstats/nsfg.html
2. Kliki lingil „I accept these terms“
3. Lae failid alla

var=[]

table.var=(Var(table.lengths))
var.append(Var(table.lengths))

print("standardhälve on eskilastel:", var[0])
print("standardhälve on teistel lastel:", var[1])

PMF¶

PMF on statistikas kasutatav mudel. Põhimõte on selles, et iga väärtusega on kaasas ka tõenäosus selle väärtusega elementi andmehulgast saada.

Pmf.py annab klassi mille nimeks on Pmf. Kirjapilt on segane - Pmf on nii mooduli kui ka klassi nimi. Seega täielik klassi nimi on Pmf.Pmf. Vahel on nii, et Pmf’i kasutatatakse ka muutuja tähistamiseks.

Pmf objekti loomiseks kasuta MakePmfFromList-i, mis võtab sisendiks väärtuste listi.

Järgnevad näited on tehtud otse käsureale:

>>> import Pmf
>>> pmf = Pmf.MakePmfFromList([1, 2, 2, 3, 5])
>>> print pmf
<Pmf.Pmf object at 0xb76cf68c>

Objektid Pmf ja Hist on sarnaased. Mõlemas toimuvad funktsioonid Values ja Items samamoodi. Suurim erinevus on selles, et Hist kirjeldab väärtusi täisarvulise arvuga, ja Pmf loeb väärtusi float tõenäosustena.

Kui on vaja leida, millise tõenäosusega mingi väärtus esineb saab kasutada käsklust Prob

>>> pmf.Prob(2)
0.4

Olemasolevat Pmf-i saab modifitseerida lisades uue väärtuse koos tõenäosusega:

>>> pmf.Incr(2, 0.2)
>>> pmf.Prob(2)
0.6
või tõenäosust tehtega modifitseerides:
>>> pmf.Mult(2, 0.5)
>>> pmf.Prob(2)
0.3

Kui Pmfi modifitseerida, ei pruugi tulemus normaliseeritud olla. See tähendab et kogutõenäosus ei ole enam 1. Selle kontrollimiseks saad kasutada käsklust Total, mis tagastab kõikide tõenäosuste summa:

>>> pmf.Total()
0.9

Et normaliseerida kasuta käsklust Normalize:

>>> pmf.Normalize()
>>> pmf.Total()
1.0

Pmf objektid võimaldavad kopeerimismeetodit kasutada, et mitte originaalset Pmf-i muuta.