시작하기무료로 시작하기

표본 통계량의 변동

모집단에서 size=1000개의 점을 뽑아 하나의 표본을 만들고, 평균처럼 표본 자체를 요약하는 단일 값의 표본 통계량을 계산한다고 가정해 봅시다.

이 표본추출 과정을 num_samples=100번 반복하면 100개의 표본을 얻게 됩니다. 각 표본에 대해 평균과 같은 표본 통계량을 계산하면, 평균 값들의 분포가 생깁니다. 여기서의 목표는 이 평균들의 평균과 평균들의 표준편차를 계산하는 것입니다.

여기서는 미리 로드된 population, num_samples, num_pts를 사용하며, means와 deviations 배열은 for 루프에서 사용할 컨테이너로 0으로 초기화되어 있음을 참고하세요.

이 연습은 강의의 일부입니다

Python으로 배우는 선형 모델 입문

강의 보기

연습 안내

  • num_samples=100 각각에 대해 표본을 생성하고, 표본 통계량을 계산해 저장하세요.
  • 각 반복에서 np.random.choice()를 사용해 모집단에서 임의의 점 1000개를 뽑아 sample을 생성하세요.
  • 각 반복에서 sample.mean()과 sample.std() 메서드를 사용해 표본의 평균과 표준편차를 계산하여 저장하세요.
  • means 배열과 deviations 배열에 대해 각각 평균과 표준편차를 계산하고, 결과를 출력하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Initialize two arrays of zeros to be used as containers
means = np.zeros(num_samples)
stdevs = np.zeros(num_samples)

# For each iteration, compute and store the sample mean and sample stdev
for ns in range(num_samples):
    sample = np.____.choice(population, num_pts)
    means[ns] = sample.____()
    stdevs[ns] = sample.____()

# Compute and print the mean() and std() for the sample statistic distributions
print("Means:  center={:>6.2f}, spread={:>6.2f}".format(means.mean(), means.std()))
print("Stdevs: center={:>6.2f}, spread={:>6.2f}".format(stdevs.____(), stdevs.____()))
코드 편집 및 실행