தீர்க்கப்பட்டது: பைத்தானில் உள்ள அனுமான புள்ளிவிவரங்களுக்கான குறியீடுகள்

பைத்தானில் உள்ள அனுமான புள்ளிவிவரங்களுக்கான குறியீடுகள் தொடர்பான முக்கிய சிக்கல் என்னவென்றால், முடிவுகளைப் புரிந்துகொள்வதும் விளக்குவதும் கடினமாக இருக்கும். பைதான் ஒரு சக்திவாய்ந்த மொழி, ஆனால் அனுமான புள்ளிவிவரங்களுக்குப் பயன்படுத்தப்படும் குறியீட்டைப் படித்து புரிந்துகொள்வது கடினம். கூடுதலாக, பைத்தானில் அனுமான புள்ளிவிவரங்களுக்கான பல்வேறு தொகுப்புகள் உள்ளன, இது ஒரு குறிப்பிட்ட பகுப்பாய்விற்கு சரியானதைத் தேர்ந்தெடுப்பதை கடினமாக்குகிறது. இறுதியாக, இந்த தொகுப்புகளில் சில மற்றவற்றைப் போல் புதுப்பித்த அல்லது நம்பகமானதாக இல்லாமல் இருக்கலாம், எனவே அவற்றைப் பயன்படுத்துவதற்கு முன்பு ஆராய்ச்சி செய்வது முக்கியம்.

1. Chi-Square Test of Independence: 
from scipy.stats import chi2_contingency
chi2, p, dof, expected = chi2_contingency(observed)

2. One-Way ANOVA: 
from scipy import stats 
F, p = stats.f_oneway(sample1, sample2, sample3) 
  
3. Pearson’s Correlation Coefficient: 
from scipy.stats import pearsonr 
corr, _ = pearsonr(x, y)

வரி 1: இந்த வரி chi2_contingency செயல்பாட்டை scipy.stats நூலகத்திலிருந்து இறக்குமதி செய்கிறது, பின்னர் கவனிக்கப்பட்ட தரவின் சுதந்திரத்தின் ஒரு chi-square சோதனையை கணக்கிட இதைப் பயன்படுத்துகிறது. இந்த சோதனையின் முடிவுகள் chi2, p, dof மற்றும் எதிர்பார்க்கப்படும் மாறிகளில் சேமிக்கப்படும்.

வரி 2: இந்த வரி scipy நூலகத்தில் இருந்து f_oneway செயல்பாட்டை இறக்குமதி செய்கிறது, பின்னர் அதை மூன்று மாதிரிகளில் ஒரு வழி ANOVA கணக்கிட பயன்படுத்துகிறது (மாதிரி1, மாதிரி2, மாதிரி3). இந்த சோதனையின் முடிவுகள் F மற்றும் p மாறிகளில் சேமிக்கப்படும்.

வரி 3: இந்த வரி scipy.stats நூலகத்திலிருந்து pearsonr செயல்பாட்டை இறக்குமதி செய்கிறது, பின்னர் இரண்டு மாறிகள் (x மற்றும் y) இடையே பியர்சனின் தொடர்பு குணகத்தைக் கணக்கிட இதைப் பயன்படுத்துகிறது. இந்த சோதனையின் முடிவுகள் corr மற்றும் _ என்ற மாறிகளில் சேமிக்கப்படும்.

அனுமான புள்ளிவிவரங்கள் என்றால் என்ன

அனுமான புள்ளிவிவரங்கள் என்பது புள்ளிவிவரங்களின் ஒரு கிளை ஆகும், இது ஒரு மாதிரியிலிருந்து தரவைப் பயன்படுத்தி ஒரு மக்கள்தொகையைப் பற்றிய அனுமானங்கள் அல்லது பொதுமைப்படுத்தல்களை உருவாக்குகிறது. ஒரு மாதிரியிலிருந்து சேகரிக்கப்பட்ட தரவுகளின் அடிப்படையில் மக்கள்தொகை பற்றிய முடிவுகளை எடுப்பதை உள்ளடக்கியது. பைத்தானில், கருதுகோள் சோதனை, தொடர்பு பகுப்பாய்வு, பின்னடைவு பகுப்பாய்வு மற்றும் பல போன்ற பல்வேறு நுட்பங்களைப் பயன்படுத்தி முடிவுகளை எடுக்கவும் கணிப்புகளைச் செய்யவும் அனுமான புள்ளிவிவரங்களைப் பயன்படுத்தலாம். இந்த நுட்பங்கள் எங்களின் தரவுகளிலிருந்து அர்த்தமுள்ள நுண்ணறிவுகளைப் பெறவும், சிறந்த முடிவுகளை எடுக்கவும் உதவுகின்றன.

அனுமான புள்ளிவிவரங்களின் வகைகள்

பைத்தானில், தரவுகளை பகுப்பாய்வு செய்யப் பயன்படுத்தக்கூடிய பல வகையான அனுமான புள்ளிவிவரங்கள் உள்ளன. இதில் டி-டெஸ்ட்கள், ANOVA, கை-சதுர சோதனைகள், தொடர்பு சோதனைகள் மற்றும் பின்னடைவு பகுப்பாய்வு ஆகியவை அடங்கும். இரண்டு அல்லது அதற்கு மேற்பட்ட தரவுக் குழுக்களின் வழிமுறைகளை ஒப்பிட்டுப் பார்க்க டி-சோதனைகள் பயன்படுத்தப்படுகின்றன. பல தரவு குழுக்களின் வழிமுறைகளை ஒப்பிட ANOVA பயன்படுத்தப்படுகிறது. சி-சதுர சோதனைகள் வகைப்படுத்தப்பட்ட மாறிகளுக்கு இடையிலான உறவுகளைச் சோதிக்கப் பயன்படுத்தப்படுகின்றன. தொடர்பு சோதனைகள் இரண்டு மாறிகளுக்கு இடையிலான நேரியல் உறவின் வலிமை மற்றும் திசையை அளவிடுகின்றன. இறுதியாக, பின்னடைவு பகுப்பாய்வு ஒன்று அல்லது அதற்கு மேற்பட்ட சுயாதீன மாறிகளிலிருந்து ஒரு சார்பு மாறியைக் கணிக்கப் பயன்படுகிறது.

நீங்கள் எப்படி அனுமான புள்ளிவிவரங்களை எழுதுகிறீர்கள்

அனுமான புள்ளிவிவரங்கள் என்பது புள்ளிவிவரங்களின் ஒரு கிளை ஆகும், இது மாதிரி எடுக்கப்பட்ட மக்கள்தொகையைப் பற்றிய அனுமானங்களை உருவாக்க மாதிரியிலிருந்து தரவைப் பயன்படுத்துகிறது. Python இல், SciPy, StatsModels மற்றும் NumPy போன்ற பல்வேறு நூலகங்களைப் பயன்படுத்தி அனுமான புள்ளிவிவரங்களைச் செய்யலாம்.

பைத்தானில் அனுமான புள்ளிவிவரங்களைச் செய்ய, நீங்கள் முதலில் தேவையான நூலகங்களை இறக்குமதி செய்ய வேண்டும், பின்னர் சராசரி(), சராசரி(), பயன்முறை(), மாறுபாடு(), நிலையான விலகல்(), t-test(), chi போன்ற செயல்பாடுகளைப் பயன்படுத்த வேண்டும். -square test() போன்றவை. எடுத்துக்காட்டாக, கொடுக்கப்பட்ட தரவுத்தொகுப்பின் சராசரியைக் கணக்கிட விரும்பினால், நீங்கள் NumPy இலிருந்து சராசரி() செயல்பாட்டைப் பயன்படுத்தலாம்:

எண்ணை np ஆக இறக்குமதி செய்க
தரவு = [1,2,3,4]
சராசரி_மதிப்பு = np.mean(தரவு)
அச்சு(சராசரி_மதிப்பு) # வெளியீடு: 2.5