Merkezi limit teoremi

Python ile İstatistiğe Giriş

Maggie Matsui

Content Developer, DataCamp

Zarı 5 kez atma

die = pd.Series([1, 2, 3, 4, 5, 6])

# 5 kez at
samp_5 = die.sample(5, replace=True)
print(samp_5)

array([3, 1, 4, 1, 1])

np.mean(samp_5)

2.0

altı yüzlü zar

# 5 kez at ve ortalamayı al
samp_5 = die.sample(5, replace=True)
np.mean(samp_5)

4.4

samp_5 = die.sample(5, replace=True)
np.mean(samp_5)

3.8

10 kez tekrarlayın:

sample_means = []

for i in range(10):

  samp_5 = die.sample(5, replace=True)
  sample_means.append(np.mean(samp_5))

print(sample_means)

[3.8, 4.0, 3.8, 3.6, 3.2, 4.8, 2.6,
3.0, 2.6, 2.0]

Örnek ortalamasının örnekleme dağılımı

10 örnek ortalamasının histogramı

sample_means = []
for i in range(100):
    sample_means.append(np.mean(die.sample(5, replace=True)))

100 örnek ortalamasının histogramı

sample_means = []
for i in range(1000):
    sample_means.append(np.mean(die.sample(5, replace=True)))

1000 örnek ortalamasının histogramı

Bir istatistiğin örnekleme dağılımı, deneme sayısı arttıkça normal dağılıma yaklaşır.

10, 100 ve 1000 örnek ortalamasının histogramları; daha yüksek sayı çan eğrisine daha çok benzer

* Örnekler rastgele ve bağımsız olmalıdır

sample_sds = []
for i in range(1000):
  sample_sds.append(np.std(die.sample(5, replace=True)))

5 zar atışından 1000 örnek standart sapmasının dağılımı

sales_team = pd.Series(["Amir", "Brian", "Claire", "Damian"])

sales_team.sample(10, replace=True)

array(['Claire', 'Damian', 'Brian', 'Damian', 'Damian', 'Amir', 'Amir', 'Amir', 
      'Amir', 'Damian'], dtype=object)

sales_team.sample(10, replace=True)

array(['Brian', 'Amir', 'Brian', 'Claire', 'Brian', 'Damian', 'Claire', 'Brian', 
      'Claire', 'Claire'], dtype=object)

Örnek oranlarının dağılımı da normale benzer

# Zarın beklenen değerini tahmin et
np.mean(sample_means)

3.48

# "Claire" oranını tahmin et
np.mean(sample_props)

0.26

Ortadan kesikli çizgili örnek ortalamalarının örnekleme dağılımı

Python ile İstatistiğe Giriş