Sebaran: Varians dan Simpangan Baku
Seberapa lebar sebenarnya sebaran data Anda
Sebaran: Varians dan Simpangan Baku adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 2 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.
Pusat Saja Tidak Cukup
Dua kolom dapat memiliki mean yang sama tetapi tampak sangat berbeda. Untuk membedakannya, ukurlah sebaran, yaitu seberapa luas nilai-nilai menyebar. 📏
Penyimpangan dari Mean
Sebaran dimulai dari jarak setiap titik terhadap rata-rata, yaitu penyimpangan. Penyimpangan kecil berarti data rapat, sedangkan penyimpangan besar berarti data lebih menyebar.
Mengapa Penyimpangan Dikuadratkan
Penyimpangan positif dan negatif akan saling meniadakan hingga menjadi nol. Karena itu, kita mengkuadratkan masing-masing terlebih dahulu agar setiap selisih menjadi kontribusi positif.
Definisi Varians
Varians adalah rata-rata dari penyimpangan yang telah dikuadratkan tersebut. Varians yang lebih besar berarti nilai-nilai rata-rata menyimpang lebih jauh dari mean.
df["price"].var()Masalah Satuan
Pengkuadratan juga memperbesar satuannya. Varians harga dalam dolar menjadi dolar kuadrat, sehingga sulit dipahami sekilas.
Simpangan Baku sebagai Solusi
Ambil akar kuadrat dari varians dan Anda mendapatkan simpangan baku. Ukurannya menggunakan satuan yang sama dengan data, sehingga akhirnya lebih mudah dipahami.
df["price"].std()Membaca Simpangan Baku
Simpangan baku kira-kira menunjukkan jarak tipikal suatu titik dari mean. std yang kecil berarti nilai-nilai konsisten, sedangkan yang besar berarti lebih bergejolak.
Aturan 68 Persen
Untuk data yang kira-kira berbentuk lonceng, sekitar 68 persen nilai berada dalam jarak satu simpangan baku dari mean. Ini merupakan pemeriksaan cepat terhadap rentang data.
Sampel vs Populasi
Secara bawaan, pandas membagi dengan n dikurangi satu, yaitu versi sampel. Penyesuaian kecil ini mengoreksi bias ketika data Anda hanya merupakan sampel dari kelompok yang lebih besar.
Sebaran Membantu Perbandingan
Simpangan baku memungkinkan Anda membandingkan konsistensi secara adil. Produk dengan std waktu pengiriman yang lebih kecil adalah produk yang lebih dapat diandalkan.
Keduanya dalam Sekilas Pandang
Anda tidak perlu memilih di antara keduanya secara manual. Keluaran describe sudah menyertakan std untuk setiap kolom numerik yang Anda miliki.
df.describe().loc["std"]Pemeriksaan Cepat
Anda menginginkan ukuran sebaran yang menggunakan satuan yang sama dengan data asli.
Ringkasan: Mengukur Sebaran
Anda telah mempelajari bahwa varians merata-ratakan jarak yang dikuadratkan dan simpangan baku mengembalikannya ke satuan nyata. Bersama-sama, keduanya menunjukkan seberapa besar data Anda berubah. 🌟
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Sebaran: Varians dan Simpangan Baku” gratis?
Ya — teks lengkap “Sebaran: Varians dan Simpangan Baku” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Sebaran: Varians dan Simpangan Baku”?
Seberapa lebar sebenarnya sebaran data Anda Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Data Science Academy?
Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 4.
Berapa lama pelajaran “Sebaran: Varians dan Simpangan Baku” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?
Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Mean, Median, dan Modus
- Sebaran: Varians dan Simpangan Baku
- Nilai Minimum, Maksimum, dan Kuartil
- Pencilan dan Maknanya