Вычисление дисперсии

Важно понимать, что происходит «под капотом» у часто используемых функций. Возможно, вы уже умеете вычислять дисперсию, однако этот курс рассчитан на начинающих и не предполагает таких знаний заранее. В этом упражнении мы явным образом вычислим дисперсию длины лепестков Iris versicolor, используя уравнения из видеоуроков, а затем проверим результат с помощью np.var().

Это упражнение является частью курса

Статистическое мышление на Python (часть 1)

Посмотреть курс

Инструкции к упражнению

Создайте массив differences, содержащий разности между значениями длины лепестков (versicolor_petal_length) и средней длиной лепестка. Переменная versicolor_petal_length уже доступна в вашем пространстве имён как массив NumPy, поэтому вы можете воспользоваться его векторизованными операциями.
Возведите каждый элемент этого массива в квадрат. Например, x**2 возводит каждый элемент массива x в квадрат. Сохраните результат в переменную diff_sq.
Вычислите среднее значение элементов diff_sq с помощью np.mean(). Сохраните результат в переменную variance_explicit.
Вычислите дисперсию versicolor_petal_length с помощью np.var(). Сохраните результат в переменную variance_np.
Выведите variance_explicit и variance_np в одном вызове print, чтобы убедиться, что результаты совпадают.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Array of differences to mean: differences


# Square the differences: diff_sq


# Compute the mean square difference: variance_explicit


# Compute the variance using NumPy: variance_np


# Print the results

Редактировать и запускать код