АД/Laboratory/Laboratory2/main
Raw

Лабораторна робота 2. Числові характеристики випадкової величини

Друга лабораторна робота курсу «Аналітика даних». Спершу в аудиторії ви обчислюєте «руками» математичне сподівання, дисперсію та середньоквадратичне відхилення дискретної випадкової величини — за рядом розподілу та за вибіркою. Потім удома реалізуєте ці обчислення програмою, яка читає значення експерименту з файлу CSV. Робота закріплює Лекцію 2.

Коротко про роботу

Тема Числові характеристики: сподівання M(X)M(X), дисперсія D(X)D(X), СКВ σ\sigma; вибіркові оцінки
Передумова Лекція 2. Аналіз ймовірнісних даних
Аудиторна частина Обчислення характеристик за рядом розподілу та за вибіркою (з розв’язаннями)
Домашня частина Програма: читає CSV зі значеннями експерименту й виводить середнє, дисперсію, СКВ
Оцінювання три рівні: базовий 60–74 / середній 75–89 / високий 90–100

Зміст

№ Частина Файл
1 Мета роботи 1purpose.md
2 Методичні вказівки (теорія + демонстраційний приклад) 2method.md
3 Аудиторні задачі з розв’язаннями 3classroom.md
4 Домашнє завдання (програма) 4task.md
5 Зміст звіту 5report.md
6 Контрольні запитання 6questions.md

Домовленості

  • Дві частини. Аудиторні задачі (3classroom.md) розбирають спільно «руками» — з них ви розумієте, що саме обчислює програма. Домашнє завдання (4task.md) — самостійна реалізація цих обчислень у коді.
  • Дискретні значення. Значення експерименту вважають дискретними; повтори значень трактують як частоти (варіаційний / частотний ряд, див. 2method.md).
  • Дві версії дисперсії. Розрізняйте зміщену оцінку (ділення на nn) і незміщену (ділення на n−1n-1); у звіті зазначайте, яку саме використано.
  • Мова програмування — на вибір. Стандартні бібліотеки для читання CSV дозволені; функції на кшталт numpy.var можна брати лише для перевірки власної реалізації формул.

Підсумок

Математичне сподівання, дисперсія та СКВ — це три числа, що стисло описують випадкову величину: де зосереджені її значення і наскільки вони розкидані. У цій роботі ви навчитеся рахувати їх двома способами — за теоретичним рядом розподілу (коли відомі ймовірності) і за емпіричною вибіркою (коли є лише дані експерименту) — та автоматизуєте другий спосіб програмою. Це базовий інструмент, на який спираються всі подальші лекції курсу: довірчі інтервали, перевірка гіпотез, регресія та оцінювання моделей.

Laboratory/Laboratory2/main.md · 4.4 KB · updated 2026-08-04 22:38