Разуменне і асноўныя паняцці апісальнай статыстыкі ў аналізе дадзеных
Апісальная статыстыка — адна з найважнейшых асноў працэсу аналізу дадзеных. Перш чым рабіць высновы, прагнозы або прымаць рашэнні на аснове дадзеных, першы крок — гэта амаль заўсёды «зразумець самі дадзеныя». Вось тут і ўступае ў гульню апісальная статыстыка: яна дапамагае абагульніць, арганізаваць і прадставіць дадзеныя такім чынам, каб іх заканамернасці, характарыстыкі і тэндэнцыі былі выразна бачныя. У гэтым артыкуле абмяркоўваецца вызначэнне апісальнай статыстыкі і яе асноўныя паняцці, якія шырока выкарыстоўваюцца ў аналізе дадзеных.
Разуменне апісальнай статыстыкі
У цэлым, апісальная статыстыка — гэта раздзел статыстыкі, які сканцэнтраваны на зборы, абагульненні, арганізацыі і прадстаўленні дадзеных, каб даць выразнае ўяўленне аб іх стане. Яе галоўная мэта — не праверыць гіпотэзы або абагульніць іх на больш шырокую папуляцыю (гэта вобласць высноўнай статыстыкі), а растлумачыць, што адбываецца з дадзенымі, якія ёсць у наяўнасці.
Напрыклад, калі школа збірае вынікі тэстаў па матэматыцы ад 200 вучняў, апісальная статыстыка можа быць выкарыстана для адказу на такія пытанні, як: які сярэдні бал? Наколькі вялікія адрозненні ў балах? Якія найвышэйшыя і найніжэйшыя балы? Ці знаходзіцца большасць балаў у пэўным дыяпазоне? Гэтыя пытанні важныя як аснова для ацэнкі, без неабходнасці рабіць высновы пра вучняў іншых школ.
Роля апісальнай статыстыкі ў аналізе дадзеных
У практыцы аналізу дадзеных апісальная статыстыка звычайна з'яўляецца першым крокам, які вызначае кірунак наступнага аналізу. Яе ролі ўключаюць:
1. Звядзіце неапрацаваныя дадзеныя ў больш лаканічную і зразумелую форму.
2. Вызначце заканамернасці, такія як тэндэнцыі, дамінуючыя групы дадзеных або анамаліі.
3. Выяўленне памылак у дадзеных, такіх як неабгрунтаваныя значэнні, адсутныя дадзеныя або дубліраванне.
4. Камунікатыўна прадстаўляць інфармацыю з дапамогай табліц, графікаў і статыстычных зводак.
5. Падтрымлівае прыняцце рашэнняў на ранняй стадыі, напрыклад, вызначэнне маркетынгавых стратэгій на аснове зводных дадзеных кліентаў.
Без апісальных крокаў далейшы аналіз можа быць недакладным, бо дадзеныя не цалкам зразумелыя.
Тыпы дадзеных і шкалы вымярэнняў
Асноўную канцэпцыю апісальнай статыстыкі нельга аддзяліць ад разумення тыпаў дадзеных і шкал вымярэнняў, бо абодва вызначаюць адпаведны метад абагульнення.
1. Якасныя і колькасныя дадзеныя
– Якасныя дадзеныя (катэгорыі): дадзеныя ў выглядзе катэгорый або пазнак, напрыклад, пол, статус занятасці, катэгорыя прадукту.
– Колькасныя (лікавыя) дадзеныя: дадзеныя ў выглядзе лічбаў, якія можна падлічыць або вымераць, напрыклад, узрост, даход, рост.
2. Шкала вымярэння
– Намінальны: адрознівае толькі катэгорыі (напрыклад: група крыві).
– Парадкавы: паслядоўнасць ёсць, але адлегласць паміж катэгорыямі нявызначаная (прыклад: узровень задавальнення: нізкі–сярэдні–высокі).
– Інтэрвал: адлегласць паміж значэннямі аднолькавая, але не мае абсалютнага нуля (прыклад: тэмпература па Цэльсію).
– Суадносіны: адлегласць аднолькавая і мае абсалютны нуль (прыклад: маса цела, даход).
Вызначэнне маштабу дадзеных важна для выбару адпаведных мер цэнтральнай тэндэнцыі, мер дысперсіі і візуалізацыі.
Прэзентацыя дадзеных: табліцы і графікі
Апісальная статыстыка часта асацыюецца з прадстаўленнем дадзеных такім чынам, каб іх было лёгка чытаць і інтэрпрэтаваць.
1. Табліца размеркавання частот
Табліца размеркавання частот паказвае, як часта сустракаецца значэнне або катэгорыя. Гэта карысна для вялікіх набораў дадзеных, бо дазваляе дасягнуць лаканічнасці. Для лікавых дадзеных частоты часта размяшчаюцца ў інтэрвалах класаў (напрыклад, 0–10, 11–20 і г.д.).
2. Графікі і дыяграмы
Некаторыя распаўсюджаныя формы візуалізацыі:
– Слупковая дыяграма: падыходзіць для катэгарыяльных дадзеных.
– Кругавая дыяграма: паказвае долю кожнай катэгорыі (хаця для многіх катэгорый яна звычайна менш эфектыўная).
– Гістаграма: падобная да слупковай дыяграмы, але для згрупаваных лікавых дадзеных; дапамагае ўбачыць форму размеркавання.
– Частотны палігон: лінія, якая злучае частотныя кропкі кожнага класа.
– Boxplot (скрынкавая дыяграма): адлюстроўвае медыяну, квартылі, размеркаванне і патэнцыйныя выкіды.
Візуалізацыя дапамагае ўбачыць тэндэнцыі або анамаліі ў дадзеных, якія часам незразумелыя, калі глядзець толькі на лічбы.
Меры цэнтральнай тэндэнцыі
Паказчыкі цэнтральнай тэндэнцыі апісваюць «сярэдняе» значэнне або значэнне, якое найлепшым чынам адлюстроўвае набор дадзеных.
1. Сярэдняе значэнне (сярэдняе)
Сярэдняе значэнне — гэта сума ўсіх значэнняў, падзеленая на колькасць кропак дадзеных. Сярэдняе значэнне папулярнае, таму што яго лёгка зразумець, але яно адчувальнае да выкідаў. Напрыклад, у дадзеных аб даходах адзін вельмі багаты чалавек можа значна скажаць сярэдняе значэнне.
2. Медыяна (сярэдняе значэнне)
Медыяна — гэта сярэдняе значэнне пасля сартавання дадзеных. Калі колькасць кропак дадзеных цотная, медыяна — гэта сярэдняе значэнне двух сярэдніх значэнняў. Медыяна больш устойлівая да выкідаў, таму яна часта выкарыстоўваецца для дадзеных з асіметрычным размеркаваннем.
3. Рэжым (найбольш часта сустракаемае значэнне)
Мода — гэта значэнне, якое сустракаецца найбольш часта, і яна карысная для катэгарыяльных дадзеных. Напрыклад, мода найбольш часта пакупаных тыпаў прадуктаў паказвае асноўную перавагу.
Меры дысперсіі
Акрамя ведання цэнтральнага значэння, важна таксама ведаць, наколькі дадзеныя распаўсюджваюцца ад цэнтра.
1. Дыяпазон
Дыяпазон — гэта розніца паміж максімальным і мінімальным значэннямі. Гэтая мера простая, але на яе моцна ўплываюць выкіды.
2. Дысперсія і стандартнае адхіленне
– Дысперсія вымярае сярэдняе квадратнае адхіленне значэнняў ад сярэдняга значэння.
– Стандартнае адхіленне — гэта квадратны корань з дысперсіі, які часта выкарыстоўваецца, таму што яго адзінкі вымярэння супадаюць з зыходнымі дадзенымі.
Чым большае стандартнае адхіленне, тым больш зменлівыя дадзеныя; чым яно меншае, тым больш дадзеныя схільныя да групавання вакол сярэдняга значэння.
3. Квартылі і міжквартыльны дыяпазон (IQR)
Квартылі дзеляць дадзеныя на чатыры роўныя часткі:
– Q1 (ніжні квартыль), Q2 (медыяна), Q3 (верхні квартыль).
IQR = Q3 − Q1 паказвае размеркаванне сярэдніх 50% дадзеных і адносна ўстойлівы да выкідаў.
Форма размеркавання і выкіды
Апісальная статыстыка таксама звяртае ўвагу на форму размеркавання дадзеных:
– Сіметрычны: дадзеныя размеркаваны раўнамерна злева і справа ад сярэдняга/медыяны.
– Зрушэнне направа: шмат малых значэнняў, мала вялікіх значэнняў.
– Зрушэнне налева: шмат вялікіх значэнняў, мала малых значэнняў.
Тым часам, выкід — гэта значэнне, якое істотна адрозніваецца ад большасці дадзеных. Выкіды могуць узнікаць з-за памылак запісу або значных рэальных з'яў (напрыклад, надзвычай буйных транзакцый). Выяўленне выкідаў важна, таму што яны могуць паўплываць на сярэдняе значэнне, дысперсію і агульную інтэрпрэтацыю.
Выснова
Апісальная статыстыка — гэта найважнейшы першы крок у аналізе дадзеных, паколькі яна дапамагае пераўтварыць неапрацаваныя дадзеныя ў значную інфармацыю. Дзякуючы лікавым зводкам (сярэдняе значэнне, медыяна, мода), мерам дысперсіі (дыяпазон, стандартнае адхіленне, міжквартыльны размах) і прадстаўленню дадзеных у табліцах і графіках, аналітыкі могуць хутка і дакладна зразумець характарыстыкі дадзеных. Разуменне тыпу дадзеных і шкалы вымярэнняў таксама вызначае адпаведны апісальны метад. З гэтай асновай наступны аналіз, у тым ліку вывадны аналіз і прыняцце рашэнняў, можа праводзіцца больш мэтанакіравана і падсправаздачна.
Калі жадаеце, я магу адаптаваць гэты артыкул, каб ён быў больш акадэмічным (са спасылкамі), больш зручным для блога, або ўключыць простыя прыклады разлікаў і таблічныя/графічныя ілюстрацыі.
