CommencezCommencez gratuitement

Ajuster une distribution normale

Lorsque vous travaillez avec des ensembles de données relativement petits, vous n'avez souvent pas assez d'observations pour faire une inférence rigoureuse. Toutefois, si vous soupçonnez que les données suivent une distribution normale, il peut être pertinent d'ajuster une distribution normale et de travailler avec celle-ci plutôt qu'avec les données brutes. Dans cet exercice, vous utilisez les mêmes données sur les pompiers hispaniques, que vous avez déjà montré suivre une distribution normale au seuil de 5 %. Vous ajusterez une distribution normale et l'utiliserez pour trouver le pourcentage d'employés qui, en général, auraient moins de 10 ans d'expérience.

Ce DataFrame est déjà chargé dans salary_df. Les modules pandas (pd), NumPy (np), Matplotlib (plt) et le sous-module stats de SciPy ont aussi été chargés pour vous.

Cette activité fait partie du cours

Fondements de l'inférence en Python

Voir le cours

Instructions de l’exercice

  • Ajustez une distribution normale à la colonne Years of Employment et enregistrez la moyenne et l'écart type obtenus.
  • Utilisez cette moyenne et cet écart type dans une CDF normale pour estimer le pourcentage d'employés ayant moins de dix ans d'expérience.
  • Affichez ce pourcentage.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Fit a normal distribution to the data
mu, std = ____

# Compute the percentage of employees with less than 10 years experience
percent = stats.____(____, loc=____, scale=____)

# Print out this percentage
____
Modifier et exécuter le code