Learn AI with Python · Ders

Betimsel İstatistikler ve Dağılımlar

Ortalama, medyan, varyans, std, çarpıklık, basıklık ve normal/binom/Poisson dağılımları.

Betimsel İstatistikler ve Dağılımlar, CoddyKit'te ücretsiz bir Learn AI with Python dersidir. Bu, 4 dersinin 1. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Learn AI with Python öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Learn AI with Python kursu toplamda 4 dersten oluşur.

Verileri Özetleme

Betimsel istatistikler, bir veri kümesini merkezini, yayılımını ve biçimini açıklayan birkaç sayıya indirger. Yeni bir veri kümesi üzerinde hesaplayacağınız ilk şey bunlardır.

import numpy as np
data = np.array([4, 8, 6, 5, 3, 7, 9, 6])

Mean ve Median

mean, aritmetik ortalamadır; median ise ortadaki değerdir. median aykırı değerlere dirençlidir; bu nedenle ikisi arasındaki büyük fark çarpıklığa işaret eder.

print(np.mean(data))     # 6.0
print(np.median(data))   # 6.0

Varyans ve Standart Sapma

Varyans, mean değerinden sapmaların karelerinin ortalamasıdır; standart sapma bunun kareköküdür ve verilerle aynı birimdedir.

print(np.var(data))   # population variance
print(np.std(data))   # standard deviation

Örneklem ve Evren Karşılaştırması (ddof)

NumPy varsayılan olarak N'ye böler (evren). Bir SAMPLE tahmini için ddof=1 kullanarak N-1'e bölün; bu, yanlılığı düzeltir.

print(np.std(data, ddof=0))   # population
print(np.std(data, ddof=1))   # sample (unbiased)

Yüzdelik Dilimler ve IQR

Yüzdelik dilimler, sıralanmış verileri böler. 25. ve 75. yüzdelik dilimler (çeyrekler), ortadaki yüzde 50'yi sınırlar; bunların farkı IQR'dir.

q1 = np.percentile(data, 25)
q3 = np.percentile(data, 75)
print(q1, q3, q3 - q1)   # IQR

Çarpıklık

Çarpıklık, asimetriyi ölçer. Pozitif çarpıklıkta sağ kuyruk uzundur (gelir verileri); negatif çarpıklıkta sol kuyruk uzundur. scipy.stats.skew bunu hesaplar.

from scipy import stats
print(stats.skew(data))   # near 0 -> symmetric

Basıklık

Basıklık, kuyrukların ağırlığını ölçer. Yüksek basıklık, normal eğriye göre daha fazla uç aykırı değer olduğu anlamına gelir. scipy, normal dağılım için 0 olan artık kurtosis değerini bildirir.

print(stats.kurtosis(data))   # 0 means normal-like tails

Normal Dağılım

Çan biçimli normal dağılım, mean ve standart sapmasıyla tanımlanır. Değerlerin yaklaşık yüzde 68'i bir std, yüzde 95'i iki std içinde yer alır.

sample = stats.norm.rvs(loc=0, scale=1, size=1000, random_state=0)
print(np.mean(sample), np.std(sample))   # near 0 and 1

Binom Dağılımı

Binom dağılımı, başarı olasılığı p olan n bağımsız evet/hayır denemesindeki başarıları sayar; buna yazı-tura atışlarında tura gelmesi örnek verilebilir.

print(stats.binom.pmf(k=3, n=10, p=0.5))   # P(exactly 3 heads in 10)

Poisson Dağılımı

Poisson dağılımı, lambda ortalama hızı verildiğinde sabit bir aralıktaki nadir olayların sayılarını modeller; dakikadaki geliş sayısı buna örnektir.

print(stats.poisson.pmf(k=2, mu=3))   # P(2 events when avg is 3)

Histogramlar

Bir histogram, bir dağılımın biçimini ortaya çıkarmak için değerleri aralıklara böler. np.histogram, sayıları ve aralık sınırlarını döndürür; matplotlib ise grafiği çizer.

counts, edges = np.histogram(sample, bins=10)
print(counts)
# import matplotlib.pyplot as plt; plt.hist(sample, bins=30)

Hızlı Kontrol

Betimsel istatistik bilginizi sınayın.

Özet

Betimsel istatistik araçları:

Merkez: np.mean, np.median
Yayılım: np.var, np.std (örneklemler için ddof=1 kullanın), yüzdelik dilimler aracılığıyla IQR
Biçim: scipy.stats.skew, scipy.stats.kurtosis
Dağılımlar: scipy.stats içinde normal, binom ve Poisson
Biçimi görselleştirmek için histogramlar

Sıkça Sorulan Sorular

“Betimsel İstatistikler ve Dağılımlar” dersi ücretsiz mi?

Evet — “Betimsel İstatistikler ve Dağılımlar” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Learn AI with Python kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Learn AI with Python kursu toplamda 4 dersten oluşur.

“Betimsel İstatistikler ve Dağılımlar” dersinde ne öğreneceğim?

Ortalama, medyan, varyans, std, çarpıklık, basıklık ve normal/binom/Poisson dağılımları. Learn AI with Python ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.

Learn AI with Python öğrenmeye başlamak için deneyim gerekli mi?

Önceden deneyim gerekmez. CoddyKit'te Learn AI with Python, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 1. dersidir.

“Betimsel İstatistikler ve Dağılımlar” dersi ne kadar sürer?

Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.

Bu Learn AI with Python dersinde kod yazıp çalıştırabilir miyim?

Evet. Her Learn AI with Python dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.

Bu kursun tüm dersleri

← Learn AI with Python Sayfasına Dön