Notions de statistique inférentielle

Introduction à la modélisation linéaire en Python

Jason Vestuto

Data Scientist

Loi de probabilité

Histogramme du nombre de jours selon des classes de température, Températures maximales quotidiennes en août

Introduction à la modélisation linéaire en Python

Populations et statistiques

Histogramme du nombre de jours selon des classes de température, Températures maximales quotidiennes en août

Introduction à la modélisation linéaire en Python

Échantillonnage de la population

Statistiques de population vs statistiques d'échantillon

print( len(month_of_temps), month_of_temps.mean(), month_of_temps.std() )
print( len(decade_of_temps), decade_of_temps.mean(), decade_of_temps.std() )

Tirer un échantillon aléatoire d'une population

month_of_temps = np.random.choice(decade_of_temps, size=31)
Introduction à la modélisation linéaire en Python

Visualiser des distributions

2 histogrammes : un pour l'échantillon et un pour la population, tous deux du nombre de jours selon des classes de température, avec des barres d'échantillon bien plus courtes

Introduction à la modélisation linéaire en Python

Visualiser des distributions

2 histogrammes : un pour l'échantillon et un pour la population, tous deux du nombre de jours normalisé selon des classes de température, avec des barres d'échantillon d'à peu près la même hauteur que celles de la population

Introduction à la modélisation linéaire en Python

Probabilité et inférence

Histogramme du nombre de jours selon des classes de température, Températures maximales quotidiennes en août

Introduction à la modélisation linéaire en Python

Visualiser des distributions

2 histogrammes : un pour chacun de deux échantillons, tous deux du nombre de jours normalisé selon des classes de température, avec des barres de hauteur similaire mais variant légèrement d'une classe à l'autre

Introduction à la modélisation linéaire en Python

Rééchantillonnage

# Rééchantillonnage en itération
num_samples = 20
for ns in range(num_samples):
    sample = np.random.choice(population, num_pts)
    distribution_of_means[ns] = sample.mean()

# Statistiques de la distribution des moyennes
mean_of_means = np.mean(distribution_of_means)
stdev_of_means = np.std(distribution_of_means)
Introduction à la modélisation linéaire en Python

Passons à la pratique !

Introduction à la modélisation linéaire en Python

Preparing Video For Download...