Aan de slagBegin gratis

Variantie en standaarddeviatie

Variantie en standaarddeviatie zijn twee van de meest gebruikte manieren om de spreiding van een variabele te meten. In deze oefening ga je ze berekenen. Spreiding is belangrijk omdat het helpt verwachtingen te vormen. Stel dat een verkoper gemiddeld 20 producten per dag verkoopt, maar een standaarddeviatie van 10 producten heeft; dan zijn er waarschijnlijk dagen dat diegene 40 producten verkoopt, maar ook dagen met slechts één of twee. Zulke informatie is belangrijk, vooral bij het doen van voorspellingen.

pandas is geïmporteerd als pd, numpy als np en matplotlib.pyplot als plt; de DataFrame food_consumption is ook beschikbaar.

Deze oefening maakt deel uit van de cursus

Introductie tot statistiek in Python

Bekijk cursus

Oefeninstructies

  • Bereken de variantie en standaarddeviatie van co2_emission voor elke food_category met de methodes .groupby() en .agg(); vergelijk de waarden van variantie en standaarddeviatie.
  • Maak een histogram van co2_emission voor de beef in food_category en toon de plot.
  • Maak een histogram van co2_emission voor de eggs in food_category en toon de plot.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Print variance and sd of co2_emission for each food_category
print(food_consumption.____('____')['____'].agg([____]))

# Create histogram of co2_emission for food_category 'beef'
food_consumption[____]['____'].____()
plt.show()

# Create histogram of co2_emission for food_category 'eggs'
plt.figure()
food_consumption[____]['____'].____()
plt.show()
Code bewerken en uitvoeren