本次选取泰坦尼克号的数据,利用python进行抽样分布描述及实践。
备注:数据集的原始数据是泰坦尼克号的数据,本次截取了其中的一部分数据进行学习。Age:年龄,指登船者的年龄。Fare:价格,指船票价格。Embark:登船的港口。
1、按照港口分类,使用python求出各类港口数据 年龄、车票价格的统计量(均值、方差、标准差、变异系数等)。
import pandas as pd df = pd.read_excel('/Users/Downloads/data.xlsx',usecols = [1,2,3] ) #拿到港口'Embarked'、年龄'Age'、价格'Fare'的数据 df2 = df.groupby(['Embarked']) #按照港口'Embarked'分类后,查看 年龄、车票价格的统计量。 # 变异系数 = 标准差/平均值 def cv(data): return data.std()/data.var() df2 = df.groupby(['Embarked']).agg(['count','min','max','median','mean','var','std',cv]) df2 = df2.apply(lambda x:round(x,2)) df2_age = df2['Age'] df2_fare = df2['Fare']
分类后 年龄及价格统计量描述数据如下图:
年龄统计量
价格统计量
2、画出价格的分布图像,验证数据服从何种分布(正态?卡方?还是T"htmlcode">
plt.hist(df['Fare'],20,normed=1, alpha=0.75) plt.title('Fare') plt.grid(True)
船票价格的直方图及概率分布
2.2 验证是否符合正态分布?
#分别用kstest、shapiro、normaltest来验证分布系数 ks_test = kstest(df['Fare'], 'norm') #KstestResult(statistic=0.99013849978633, pvalue=0.0) shapiro_test = shapiro(df['Fare']) #shapiroResult(0.5256513357162476, 7.001769945799311e-40) normaltest_test = normaltest(df['Fare'],axis=0) #NormaltestResult(statistic=715.0752414548335, pvalue=5.289130045259168e-156)
以上三种检测结果表明 p<5%,因此 船票数据不符合正态分布。
绘制拟合正态分布曲线:
fare = df['Fare'] plt.figure() fare.plot(kind = 'kde') #原始数据的正态分布 M_S = stats.norm.fit(fare) #正态分布拟合的平均值loc,标准差 scale normalDistribution = stats.norm(M_S[0], M_S[1]) # 绘制拟合的正态分布图 x = np.linspace(normalDistribution.ppf(0.01), normalDistribution.ppf(0.99), 100) plt.plot(x, normalDistribution.pdf(x), c='orange') plt.xlabel('Fare about Titanic') plt.title('Titanic[Fare] on NormalDistribution', size=20) plt.legend(['Origin', 'NormDistribution'])
船票拟合正态分布曲线
2.3 验证是否符合T分布?
T_S = stats.t.fit(fare) df = T_S[0] loc = T_S[1] scale = T_S[2] x2 = stats.t.rvs(df=df, loc=loc, scale=scale, size=len(fare)) D, p = stats.ks_2samp(fare, x2) # (0.25842696629213485 2.6844476044528504e-21)
p = 2.6844476044528504e-21 ,p < alpha,拒绝原假设,价格数据不符合t分布。
对票价数据进行T分布拟合:
plt.figure() fare.plot(kind = 'kde') TDistribution = stats.t(T_S[0], T_S[1],T_S[2]) # 绘制拟合的T分布图 x = np.linspace(TDistribution.ppf(0.01), TDistribution.ppf(0.99), 100) plt.plot(x, TDistribution.pdf(x), c='orange') plt.xlabel('Fare about Titanic') plt.title('Titanic[Fare] on TDistribution', size=20) plt.legend(['Origin', 'TDistribution'])
票价拟合T分布
2.4 验证是否符合卡方分布?
chi_S = stats.chi2.fit(fare) df_chi = chi_S[0] loc_chi = chi_S[1] scale_chi = chi_S[2] x2 = stats.chi2.rvs(df=df_chi, loc=loc_chi, scale=scale_chi, size=len(fare)) Df, pf = stats.ks_2samp(fare, x2) # (0.16292134831460675, 1.154755913291936e-08)
p = 1.154755913291936e-08 ,p < alpha,拒绝原假设,价格数据不符合卡方分布。
对票价数据进行卡方分布拟合
plt.figure() fare.plot(kind = 'kde') chiDistribution = stats.chi2(chi_S[0], chi_S[1],chi_S[2]) # 绘制拟合的正态分布图 x = np.linspace(chiDistribution.ppf(0.01), chiDistribution.ppf(0.99), 100) plt.plot(x, chiDistribution.pdf(x), c='orange') plt.xlabel('Fare about Titanic') plt.title('Titanic[Fare] on chi-square_Distribution', size=20) plt.legend(['Origin', 'chi-square_Distribution'])
票价拟合卡方分布
3、按照港口分类,验证S与Q两个港口间的价格之差是否服从某种分布
S_fare = df[df['Embarked'] =='S']['Fare'] Q_fare = df[df['Embarked'] =='Q']['Fare'] C_fare = df[df['Embarked'] =='C']['Fare'] S_fare.describe() count 554.000000 mean 27.476284 std 36.546362 min 0.000000 25% 8.050000 50% 13.000000 75% 27.862500 max 263.000000 Q_fare.describe() count 28.000000 mean 18.265775 std 21.843582 min 6.750000 25% 7.750000 50% 7.750000 75% 18.906250 max 90.000000 C_fare.describe() count 130.000000 mean 68.296767 std 90.557822 min 4.012500 25% 14.454200 50% 36.252100 75% 81.428100 max 512.329200
按照港口分类后,S港口样本数<=554,Q港口样本数<=28,C港口样本数<=130。
总体不服从正态分布,所以需要当n比较大时,一般要求n>=30,两个样本均值之差的抽样分布可近似为正态分布。X2的总体容量为28,其样本容量不可能超过30,故其S港和Q港两个样本均值之差(E(X1)-E(X2))的抽样分布不服从正态分布。
S港和C港两个样本均值之差(E(X1)-E(X3))的抽样分布近似服从正态分布,其均值和方差分别为E(E(X1) - E(X3)) = E(E(X1)) - E(E(X3)) = μ1 - μ3;D(E(X1) + E(X3)) = D(E(X1)) + D(E(X3)) = σ1²/n1 + σ3²/n3 。绘图如下:
miu = np.mean(S_fare) - np.mean(C_fare) sig = np.sqrt(np.var(S_fare, ddof=1)/len(S_fare) + np.var(C_fare, ddof=1)/len(C_fare)) x = np.arange(- 110, 50) y = stats.norm.pdf(x, miu, sig) plt.plot(x, y) plt.xlabel("S_Fare - C_Fare") plt.ylabel("Density") plt.title('Fare difference between S and C') plt.show()
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
python,抽样分布描述
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
稳了!魔兽国服回归的3条重磅消息!官宣时间再确认!
昨天有一位朋友在大神群里分享,自己亚服账号被封号之后居然弹出了国服的封号信息对话框。
这里面让他访问的是一个国服的战网网址,com.cn和后面的zh都非常明白地表明这就是国服战网。
而他在复制这个网址并且进行登录之后,确实是网易的网址,也就是我们熟悉的停服之后国服发布的暴雪游戏产品运营到期开放退款的说明。这是一件比较奇怪的事情,因为以前都没有出现这样的情况,现在突然提示跳转到国服战网的网址,是不是说明了简体中文客户端已经开始进行更新了呢?
更新日志
- 雨林唱片《赏》新曲+精选集SACD版[ISO][2.3G]
- 罗大佑与OK男女合唱团.1995-再会吧!素兰【音乐工厂】【WAV+CUE】
- 草蜢.1993-宝贝对不起(国)【宝丽金】【WAV+CUE】
- 杨培安.2009-抒·情(EP)【擎天娱乐】【WAV+CUE】
- 周慧敏《EndlessDream》[WAV+CUE]
- 彭芳《纯色角3》2007[WAV+CUE]
- 江志丰2008-今生为你[豪记][WAV+CUE]
- 罗大佑1994《恋曲2000》音乐工厂[WAV+CUE][1G]
- 群星《一首歌一个故事》赵英俊某些作品重唱企划[FLAC分轨][1G]
- 群星《网易云英文歌曲播放量TOP100》[MP3][1G]
- 方大同.2024-梦想家TheDreamer【赋音乐】【FLAC分轨】
- 李慧珍.2007-爱死了【华谊兄弟】【WAV+CUE】
- 王大文.2019-国际太空站【环球】【FLAC分轨】
- 群星《2022超好听的十倍音质网络歌曲(163)》U盘音乐[WAV分轨][1.1G]
- 童丽《啼笑姻缘》头版限量编号24K金碟[低速原抓WAV+CUE][1.1G]