Ein Log-Log-Diagramm ist ein Diagramm, das sowohl auf der x-Achse als auch auf der y-Achse logarithmische Skalen verwendet.
Diese Art von Diagramm ist nützlich, um zwei Variablen zu visualisieren, wenn …
Eine „Glockenkurve“ ist der Spitzname für die Form einer Normalverteilung, die eine deutliche „Glocken“-Form hat:
Das folgende Schritt-für-Schritt-Beispiel zeigt, wie Sie in Google Tabellen eine Glockenkurve für einen bestimmten Mittelwert und eine bestimmte Standardabweichung erstellen.
Zuerst definieren wir die Werte für den Mittelwert und die Standardabweichung einer gegebenen Normalverteilung:
Als Nächstes definieren wir die im Diagramm zu verwendenden Perzentile im Bereich von -4 bis 4 in Schritten von 0,1:
Als Nächstes erstellen wir mithilfe der folgenden Formel eine Spalte mit Datenwerten, die im Diagramm verwendet werden sollen:
Als Nächstes verwenden wir die folgende Formel, um die Werte für die Wahrscheinlichkeitsdichtefunktion der Normalverteilung zu finden:
Zuletzt können wir die Werte im Bereich B5:C85 hervorheben, dann auf Einfügen und dann auf Diagramm klicken.
Die folgende Glockenkurve wird automatisch erstellt:
Sie werden feststellen, dass die Glockenkurve automatisch aktualisiert wird, wenn Sie den Mittelwert und die Standardabweichung ändern.
Hier ist zum Beispiel, was die Glockenkurve wird, wenn wir Mittelwert = 10 und Standardabweichung = 2 verwenden:
Fühlen Sie sich frei, den Diagrammtitel zu ändern, Achsenbeschriftungen hinzuzufügen und die Farbe zu ändern, wenn Sie das Diagramm ästhetisch ansprechender gestalten möchten.
Die folgenden Tutorials bieten zusätzliche Informationen zur Normalverteilung:
Eine Einführung in die Normalverteilung
Normalverteilungsdatensatz-Generator
Ein Log-Log-Diagramm ist ein Diagramm, das sowohl auf der x-Achse als auch auf der y-Achse logarithmische Skalen verwendet.
Diese Art von Diagramm ist nützlich, um zwei Variablen zu visualisieren, wenn …
Bei der Verwendung von Klassifizierungsmodellen beim maschinellen Lernen verwenden wir häufig zwei Metriken, um die Qualität des Modells zu bewerten, nämlich Präzision und Erinnerung.
Precision: Korrigieren Sie positive Vorhersagen im …