محاسبات آماری در پایتون
پایتون یکی از خوش دست ترین زبان ها برای انجام محاسبات آماری است. به لطف پکیج هایی مانند scipy و statistics محاسبات آماری بسیار ساده و روان انجام می شوند.
برای محاسبه میانگین، میانه ، نما ، انحراف معیار و واریانس یک نمونه از دستورات زیر استفاده می کنیم:
import statistics as st
my_data = [5,2,5,6,1,2,6,7,2,6,3,5,5]
print("The mean is: " , st.mean(my_data)) #Miangin
print("The median is: " , st.mean(my_data)) #Miane
print("The mode is: " , st.mode(my_data)) #Nama
print("The stdev is: " , st.stdev(my_data)) #Enhraf Meyar
print("The variance is: " , st.variance(my_data)) #variance
البته زیبایی کار وقتی است که محاسبات برای سری های زمانی بزرگ و معنی دار انجام شود. ان شاء الله در ادامه مفصل به این موضوع خواهیم پرداخت.

#پایتون_مالی
#محاسبات_آماری
# statistics

پایتون برای مالی در تلگرام https://t.me/python4finance
پایتون برای مالی در بله https://ble.im/python4finance

بررسی واریانس در Numpy با دقت بیشتر
همه شما احتمالا با مفهوم ریسک سیستماتیک و ضریب بتا آشنا هستید. معمولا برای محاسبه بتا از روش رگرسیون یا تقسیم کواریانس بر واریانس استفاده می شود. امشب یا یکی از گروه ها در حال حل مسئله ای بودیم که متوجه شدیم به صورت پیش فرض محاسبه var در Numpy بر اساس جامعه است نه نمونه در حالی که محاسبه واریانس در ماتریس واریانس کواریانس بر اساس نمونه است! و این موضوع باعث ایجاد تفاوت در محاسبات شده بود.
برای محاسبه واریانس نمونه کافی است درجه آزادی را برابر یک قرار دهید. ( ddof=1).
می توانید موضوع فوق را در مثال بالا مشاهده بفرمایید.

#واریانس
#کواریانس
#نمونه
#جامعه
#بتا
#درجه_آزادی
#Variance
#Covariance
#Sample
#Population
#Beta
#Degree_of_freedom
#python_for_finance

پایتون برای مالی در تلگرام
t.me/joinchat/AAAAAFGMkouqbsb86Vfzug