การแสดงภาพความแปรผันของสถิติ
ในแบบฝึกหัดก่อนหน้า คุณได้คำนวณความแปรผันของสถิติตัวอย่างไปแล้ว คราวนี้จะมาแสดงผลความแปรผันนั้นในรูปแบบกราฟ
เราจะเริ่มต้นด้วย population ที่โหลดไว้ล่วงหน้า และฟังก์ชัน get_sample_statistics() ที่กำหนดไว้แล้วสำหรับดึงตัวอย่างและคืนค่าอาร์เรย์ของสถิติตัวอย่าง
ในแบบฝึกหัดนี้จะใช้ฟังก์ชัน plot_hist() ที่กำหนดไว้แล้ว ซึ่งครอบเมธอด axis.hist() ของ matplotlib โดยจะแบ่งกลุ่มข้อมูลและพล็อตกราฟในคราวเดียว วิธีนี้ช่วยให้เห็นว่าสถิติตัวอย่างมีการกระจายตัวของค่า ไม่ใช่แค่ค่าเดียว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Introduction to Linear Modeling in Python
คำแนะนำการฝึกหัด
- ส่ง
populationเข้าไปในget_sample_statistics()เพื่อรับการกระจายตัวของสถิติตัวอย่าง - ใช้
np.linspace()เพื่อกำหนดขอบของถังฮิสโตแกรม (bin edges) สำหรับอาร์เรย์สถิติแต่ละตัว - ใช้ฟังก์ชัน
plot_hist()ที่กำหนดไว้แล้วสองครั้ง เพื่อพล็อตการกระจายตัวของสถิติmeansและdeviationsเป็นฮิสโตแกรมแยกกันสองอัน
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Generate sample distribution and associated statistics
means, stdevs = get_sample_statistics(____, num_samples=100, num_pts=1000)
# Define the binning for the histograms
mean_bins = np.____(97.5, 102.5, 51)
std_bins = np.____(7.5, 12.5, 51)
# Plot the distribution of means, and the distribution of stdevs
fig = plot_hist(data=____, bins=____, data_name="Means", color='green')
fig = plot_hist(data=____, bins=____, data_name="Stdevs", color='red')