in

Método stdev () en el módulo de estadísticas de Python

gfg 200x200 min

El módulo de estadísticas en Python proporciona una función conocida como stdev () , que se puede utilizar para calcular la desviación estándar. La función stdev () solo calcula la desviación estándar de una muestra de datos, en lugar de una población completa.

Para calcular la desviación estándar de una población completa, otra función conocida como pstdev () se utiliza.

Desviación Estándar es una medida de propagación en Estadísticas. Se utiliza para cuantificar la medida de dispersión, variación de un conjunto de valores de datos. Es muy similar a la varianza, da la medida de la desviación, mientras que la varianza proporciona el valor al cuadrado.
Una medida baja de la desviación estándar indica que los datos están menos dispersos, mientras que un valor alto de la desviación estándar muestra que los datos de un conjunto están separados de sus valores medios medios. Una propiedad útil de la desviación estándar es que, a diferencia de la varianza, se expresa en las mismas unidades que los datos.

Standard Deviation is calculated by :

{ Displaystyle s = { sqrt { frac { sum _ {i = 1} ^ {N} (x_ {i} - { overline {x}}) ^ {2}} {N-1}}} }
where x1, x2, x3.....xn are observed values in sample data,
 scriptstyle { overline {x}} es el valor medio de las observaciones y N es el número de observaciones de la muestra.

Sintaxis: stdev [data-set], xbar)
Parámetros:
[data] : Un iterable con números reales.
xbar (Opcional): Toma la media real del conjunto de datos como valor.
Tipo de retorno: Devuelve la desviación estándar real de los valores pasados ​​como parámetro.
Excepciones:
EstadísticasError se genera para el conjunto de datos con menos de 2 valores pasados ​​como parámetro.
Valores imposibles / sin precisión cuando el valor proporcionado como xbar no coincide con la media real del conjunto de datos.

Código # 1:

Python3

import statistics

sample = [1, 2, 3, 4, 5]

print("Standard Deviation of sample is % s "

                % (statistics.stdev(sample)))

Producción :

Standard Deviation of the sample is 1.5811388300841898 

Código # 2: Demuestre stdev () en un conjunto variable de tipos de datos

Python3

from statistics import stdev

from fractions import Fraction as fr

sample1 = (1, 2, 5, 4, 8, 9, 12)

sample2 = (-2, -4, -3, -1, -5, -6)

sample3 = (-9, -1, -0, 2, 1, 3, 4, 19)

sample4 = (1.23, 1.45, 2.1, 2.2, 1.9)

print("The Standard Deviation of Sample1 is % s"

                              %(stdev(sample1)))

                              

print("The Standard Deviation of Sample2 is % s"

                              %(stdev(sample2)))

                              

print("The Standard Deviation of Sample3 is % s"

                              %(stdev(sample3)))

                              

                              

print("The Standard Deviation of Sample4 is % s"

                              %(stdev(sample4)))

Producción :

The Standard Deviation of Sample1 is 3.9761191895520196
The Standard Deviation of Sample2 is 1.8708286933869707
The Standard Deviation of Sample3 is 7.8182478855559445
The Standard Deviation of Sample4 is 0.41967844833872525

Código # 3:Demuestre la diferencia entre los resultados de varianza () y stdev ()

Python3

import statistics

sample = [1, 2, 3, 4, 5]

print("Standard Deviation of the sample is % s "

                    %(statistics.stdev(sample)))

print("Variance of the sample is % s"

     %(statistics.variance(sample)))

Producción :

Standard Deviation of the sample is 1.5811388300841898 
Variance of the sample is 2.5

Código # 4: Demuestre el uso de xbar parámetro

Python3

import statistics

sample = (1, 1.3, 1.2, 1.9, 2.5, 2.2)

m = statistics.mean(sample)

print("Standard Deviation of Sample set is % s"

         %(statistics.stdev(sample, xbar = m)))

Producción :

Standard Deviation of Sample set is 0.6047037842337906

Código # 5: Demuestra StatisticsError

Python3

import statistics

sample = [1]

print(statistics.stdev(sample))

Producción :

Traceback (most recent call last):
  File "/home/f921f9269b061f1cc4e5fc74abf6ce10.py", line 12, in 
    print(statistics.stdev(sample))
  File "/usr/lib/python3.5/statistics.py", line 617, in stdev
    var = variance(data, xbar)
  File "/usr/lib/python3.5/statistics.py", line 555, in variance
    raise StatisticsError('variance requires at least two data points')
statistics.StatisticsError: variance requires at least two data points

Aplicaciones:

  • La desviación estándar es muy esencial en el campo de las matemáticas estadísticas y el estudio estadístico. Se usa comúnmente para medir la confianza en cálculos estadísticos. Por ejemplo, el margen de error en el cálculo de las calificaciones de un examen se determina calculando la desviación estándar esperada en los resultados si el mismo examen se realizara varias veces.
  • Es muy útil en el campo de los estudios financieros y también ayuda a determinar el margen de pérdidas y ganancias. La desviación estándar también es importante, donde la desviación estándar de la tasa de rendimiento de una inversión es una medida de la volatilidad de la inversión.

¡Atención geek! Fortalece tus cimientos con el Fundación de programación de Python Curso y aprende los conceptos básicos.

Para empezar, los preparativos de su entrevista Mejore sus conceptos de estructuras de datos con el Python DS Curso. Y para comenzar con su viaje de aprendizaje automático, únase al Aprendizaje automático – Curso de nivel básico

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

apple touch icon@2

¿Cuál es el efecto de extern «C» en C ++?

Juegos Olímpicos de verano vs invierno: diferencia y comparación