Od średniej próbkowej do średniej populacji

Podstawy rachunku prawdopodobieństwa w Pythonie

Alexander A. Ramírez M.

CEO @ Synergy Vision

Przegląd średniej próbkowej

$$ $$

Prawo wielkich liczb

Średnia próbkowa zbliża się do wartości oczekiwanej wraz ze wzrostem liczebności próby.

Znaczek pocztowy z Jakobem Bernoullim

Przegląd średniej próbkowej (cd.)

$$ \text{Sample mean} = \bar{X_2} = \frac{x_1+x_2}{2} $$

Przegląd średniej próbkowej (cd.)

$$ \text{Sample mean} = \bar{X_3} = \frac{x_1+x_2+x_3}{3} $$

Przegląd średniej próbkowej (cd.)

$$ \text{Sample mean} = \bar{X_n} = \frac{x_1+x_2+\cdots +x_n}{n} $$

Przegląd średniej próbkowej (cd.)

$$ \text{Sample mean} = \bar{X_n} = \frac{x_1+x_2+\cdots +x_n}{n} \to \mathbb{E(X)} $$

Generowanie próbki

# Import binom and describe
from scipy.stats import binom
from scipy.stats import describe

# Sample of 250 fair coin flips
samples = binom.rvs(n=1, p=0.5, size=250, random_state=42)

# Print first 100 values from the sample
print(samples[0:100])

[0 1 1 1 0 0 0 1 1 1 0 1 1 0 0 0 0 1 0 0 1 0 0 0 0 1 0 1 1 0 1 0 0 1 1 1 0
 0 1 0 0 0 0 1 0 1 0 1 1 0 1 1 1 1 1 1 0 0 0 0 0 0 1 0 0 1 0 1 0 1 1 0 0 1
 1 1 1 0 0 0 1 1 0 0 0 0 1 1 1 0 0 1 1 1 1 0 1 0 0 0]

Obliczanie średniej próbkowej

# Calculate the sample mean
print(describe(samples[0:10]).mean)

0.6

Zbieżność średniej próbkowej do wartości oczekiwanej

Animacja zbieżności średniej próbkowej do wartości oczekiwanej

Wykres średniej próbkowej

$$ $$

from scipy.stats import binom
from scipy.stats import describe
import matplotlib.pyplot as plt

# Define our variables
coin_flips, p, sample_size , averages = 1, 0.5, 1000, []

# Generate the sample
samples = binom.rvs(n=coin_flips, p=p, size=sample_size, random_state=42)

Wykres średniej próbkowej (cd.)

$$ $$

# Calculate the sample mean
for i in range(2,sample_size+1):
    averages.append(describe(samples[0:i]).mean)

# Print the first values of averages
print(averages[0:10])

[0.5, 0.6666666666666666, 0.75, 0.6, 0.5, 0.42857142857142855, 0.5, 
0.5555555555555556,0.6, 0.5454545454545454]

Wykres średniej próbkowej (cd.)

$$ $$

# Add population mean line and sample mean plot
plt.axhline(binom.mean(n=coin_flips, p=p), color='red')
plt.plot(averages, '-')

# Add legend
plt.legend(("Population mean","Sample mean"), loc='upper right')
plt.show()

Wykres średniej próbkowej

Czas na ćwiczenia!

Podstawy rachunku prawdopodobieństwa w Pythonie