Statistiche descrittive e distribuzioni
Media, mediana, varianza, std, asimmetria, curtosi e distribuzioni normale, binomiale e di Poisson.
Statistiche descrittive e distribuzioni è una lezione Learn AI with Python gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Learn AI with Python, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Learn AI with Python include 4 lezioni in totale.
Riepilogo dei dati
Le statistiche descrittive sintetizzano un dataset in pochi numeri che ne descrivono il centro, la dispersione e la forma. Sono il primo calcolo da eseguire su qualsiasi nuovo dataset.
import numpy as np
data = np.array([4, 8, 6, 5, 3, 7, 9, 6])Media e mediana
La media è la media aritmetica; la mediana è il valore centrale. La mediana è meno sensibile ai valori anomali, quindi una grande distanza tra le due indica asimmetria.
print(np.mean(data)) # 6.0
print(np.median(data)) # 6.0Varianza e deviazione standard
La varianza è la deviazione quadratica media dalla media; la deviazione standard è la sua radice quadrata e ha le stesse unità dei dati.
print(np.var(data)) # population variance
print(np.std(data)) # standard deviationCampione e popolazione (ddof)
NumPy divide per N per impostazione predefinita (popolazione). Per una stima del CAMPIONE, divida per N-1 usando ddof=1, che corregge la distorsione.
print(np.std(data, ddof=0)) # population
print(np.std(data, ddof=1)) # sample (unbiased)Percentili e IQR
I percentili suddividono i dati ordinati. Il 25° e il 75° percentile (i quartili) delimitano il 50% centrale; la loro differenza è l’IQR.
q1 = np.percentile(data, 25)
q3 = np.percentile(data, 75)
print(q1, q3, q3 - q1) # IQRAsimmetria
L’asimmetria misura la mancanza di simmetria. Un’asimmetria positiva ha una lunga coda a destra (come nei dati sui redditi); un’asimmetria negativa ha una lunga coda a sinistra. scipy.stats.skew la calcola.
from scipy import stats
print(stats.skew(data)) # near 0 -> symmetricCurtosi
La curtosi misura la pesantezza delle code. Una curtosi elevata indica più valori anomali estremi rispetto a una curva normale. scipy restituisce la curtosi in eccesso (normale = 0).
print(stats.kurtosis(data)) # 0 means normal-like tailsLa distribuzione normale
La distribuzione normale a campana è definita dalla sua media e dalla deviazione standard. Circa il 68% dei valori rientra in una deviazione standard dalla media, il 95% in due.
sample = stats.norm.rvs(loc=0, scale=1, size=1000, random_state=0)
print(np.mean(sample), np.std(sample)) # near 0 and 1La distribuzione binomiale
La distribuzione binomiale conta i successi in n prove indipendenti con esito sì/no e probabilità di successo p, come il numero di teste nei lanci di una moneta.
print(stats.binom.pmf(k=3, n=10, p=0.5)) # P(exactly 3 heads in 10)La distribuzione di Poisson
La distribuzione di Poisson modella il numero di eventi rari in un intervallo fisso, data una velocità media lambda, come gli arrivi al minuto.
print(stats.poisson.pmf(k=2, mu=3)) # P(2 events when avg is 3)Istogrammi
Un istogramma raggruppa i valori in intervalli per rivelare la forma di una distribuzione. np.histogram restituisce i conteggi e i bordi degli intervalli; matplotlib lo disegna.
counts, edges = np.histogram(sample, bins=10)
print(counts)
# import matplotlib.pyplot as plt; plt.hist(sample, bins=30)Verifica rapida
Verifichi le Sue conoscenze sulle statistiche descrittive.
Riepilogo
Strumenti per le statistiche descrittive:
- Centro:
np.mean,np.median - Dispersione:
np.var,np.std(utilizziddof=1per i campioni), IQR tramite i percentili - Forma:
scipy.stats.skew,scipy.stats.kurtosis - Distribuzioni: normale, binomiale, Poisson in
scipy.stats - Istogrammi per visualizzare la forma
Domande Frequenti
La lezione «Statistiche descrittive e distribuzioni» è gratuita?
Sì — il testo completo di «Statistiche descrittive e distribuzioni» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Learn AI with Python, passa a CoddyKit PRO. Il corso Learn AI with Python include 4 lezioni in totale.
Cosa imparerò in «Statistiche descrittive e distribuzioni»?
Media, mediana, varianza, std, asimmetria, curtosi e distribuzioni normale, binomiale e di Poisson. Eserciti Learn AI with Python con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Learn AI with Python?
Non è richiesta alcuna esperienza precedente. Learn AI with Python su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Statistiche descrittive e distribuzioni»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Learn AI with Python?
Sì. Ogni lezione Learn AI with Python include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Statistiche descrittive e distribuzioni
- Probabilità e teorema di Bayes
- Verifica delle ipotesi
- Correlazione e covarianza