Comment calculer les indicateurs statistiques d'un échantillon en Python ?
np.mean, np.std, np.median, np.var sur un tableau numpyObtenir rapidement les indicateurs de position et de dispersion d'un échantillon stocké dans un tableau numpy.
Calculer la moyenne, l'écart-type et la variance de l'échantillon [4, 6, 8, 10, 12].
Obtenir rapidement les indicateurs de position et de dispersion d'un échantillon stocké dans un tableau numpy.
Pour un échantillon , np.mean renvoie , np.var renvoie , np.std renvoie , np.median renvoie la médiane ; on peut obtenir la variance non biaisée avec le paramètre ddof=1.
numpy sous l'alias np : import numpy as np.x = np.array([...]).np.mean(x), np.var(x), np.std(x), np.median(x).Calculer la moyenne, l'écart-type et la variance de l'échantillon [4, 6, 8, 10, 12].
numpy sous l'alias np : import numpy as np.import numpy as np.
x = np.array([...]).x = np.array([4, 6, 8, 10, 12]).
np.mean(x), np.var(x), np.std(x), np.median(x).np.mean(x) ; np.var(x) ; np.std(x) .
Moyenne , variance , écart-type .
import numpy as np
x = np.array([4, 6, 8, 10, 12])
print(np.mean(x), np.var(x), np.std(x))
# 8.0 8.0 2.8284271247461903
, , .
Calculer la médiane de l'échantillon [3, 1, 4, 1, 5, 9, 2, 6].
Générer un échantillon de réalisations d'une loi et comparer moyenne et variance aux valeurs théoriques.
Calculer, avec numpy, la moyenne et l'écart-type (non biaisé, ddof=1) de l'échantillon .
Simuler un échantillon de réalisations d'une loi de Poisson et estimer la probabilité .
Crée ton compte pour accéder à la fiche et aux exercices