Näidisküsimused andmeanalüüsi ja võimaluste arutamise kohta
Andmeanalüüs ja tõenäosus on kaks valdkonda, millega sageli kokku puututakse erinevates distsipliinides, eriti statistikas, matemaatikas, majandusteaduses ja turu-uuringutes. Selles artiklis uurime mitmeid näidisprobleeme ja arutelusid, mis on seotud andmeanalüüsi ja tõenäosusega, et süvendada oma arusaamist nendest põhimõistetest.
1. Andmeanalüüs: sissejuhatus ja näidisküsimused
Andmeanalüüs on andmete kontrollimise, valimise, teisendamise ja modelleerimise protsess eesmärgiga leida kasulikku teavet, teha järeldusi ja toetada otsuste langetamist. Tüüpilised sammud hõlmavad andmete kogumist, andmete puhastamist, andmete uurimist (kirjeldav statistika) ja edasist analüüsi.
Näidisküsimus 1: Keskmise ja standardhälbe määramine
Arvestades järgmisi andmeid 10 õpilase matemaatikatesti tulemuste kohta: 78, 82, 85, 88, 90, 75, 91, 74, 89, 86.
Arvutage andmete keskmine ja standardhälve.
Arutelu:
– Keskmine väärtus on kõigi andmete summa jagatud vaatluste arvuga.
\[
\text{Keskmine} = \frac{78 + 82 + 85 + 88 + 90 + 75 + 91 + 74 + 89 + 86}{10} = \frac{838}{10} = 83.8
\]
– Standardhälbe arvutamiseks peame kõigepealt arvutama dispersiooni. Dispersioon on iga andmekogumi ruutude erinevuste ja keskmise keskmine.
\[
\text{Dispersioon} = \frac{(78-83.8)^2 + (82-83.8)^2 + (85-83.8)^2 + \cdots + (86-83.8)^2}{10}
\]
Seejärel arvutatakse dispersioon järgmiselt:
\[
\text{Dispersioon} = \frac{33.64 + 3.24 + 1.44 + 17.64 + 38.44 + 75.04 + 50.41 + 94.44 + 26.01 + 4.84}{10} = \frac{345.14}{10} = 34.514
\]
– Standardhälve on dispersiooni ruutjuur.
\[
\text{Standardhälve} = \sqrt{34.514} ≈ 5.88
\]
Näidisküsimus 2: Andmegraafik
Arvestades linna rahvaarvu viimase 5 aasta andmeid (tuhandetes), on need järgmised: 2016: 120, 2017: 125, 2018: 130, 2019: 135, 2020: 140.
Loo andmete esitamiseks joondiagramm.
Arutelu:
Joondiagrammi loomiseks saame järgida neid samme:
1. Määrake X- ja Y-teljed. X-telg tähistab aastaid ja Y-telg rahvastikku.
2. Joonesta punktid antud andmete põhjal:
– (2016, 120)
– (2017, 125)
– (2018, 130)
– (2019, 135)
– (2020, 140)
3. Ühenda punktid joontega.
Saadud graafik näitab linnaelanikkonna kasvutrendi aastatel 2016–2020.
2. Tõenäosus: põhitõed ja näidisülesanded
Koefitsiendid ehk tõenäosus on sündmuse toimumise tõenäosuse mõõt. Sündmuse A tõenäosust väljendatakse tavaliselt kui \(P(A) \) ja arvutatakse järgmiselt:
\[
P(A) = \frac{\text{Soovitud sündmuste arv}}{\text{Võimalike sündmuste koguarv}}
\]
Näidisküsimus 3: Lihtne tõenäosus
Kui suur on tõenäosus saada tavalisest kaardipakist äss?
Arutelu:
– Ühes mängukaartide komplektis on 52 kaarti.
– Seal on 4 ässakaarti (ärtu, ruutu, risti ja poti).
– Ässa tõmbamise tõenäosus on:
\[
P(\text{As}) = \frac{4}{52} = \frac{1}{13} \um 0.0769 \text{ või } 7.69\%
\]
Näidisküsimus 4: Järjestikused katsed
Kaks täringut veeretatakse samaaegselt. Leia tõenäosus, et kahe täringu veeretatud summa on 7.
Arutelu:
– Kahe täringu viskega on kokku 6 × 6 = 36 võimalikku tulemust.
– Kombinatsioonid, mis annavad kokku 7, on: (1,6), (2,5), (3,4), (4,3), (5,2), (6,1). Seega on neid 6.
– Tõenäosus, et kahe täringu summa on 7, on:
\[
P(\text{Kokku 7}) = \frac{6}{36} = \frac{1}{6} \um 0.1667 \text{ või } 16.67\%
\]
Näidisküsimus 5: Bayesi reegel
Arvestades, et igal tuhandel inimesel on haigus X. Haiguse X tuvastamise testi täpsus on 99% (olenemata sellest, kas test on positiivne või negatiivne). Kui inimese test on positiivne, milline on tõenäosus, et tal on haigus X? Eeldame, et test on 95% tundlik ja 98% spetsiifilisus.
Arutelu:
Näiteks:
– P(P) on tõenäosus, et inimese test on positiivne,
– P(D) on tõenäosus, et inimesel on see haigus,
– P(P|D) on positiivse testitulemuse tõenäosus, kui inimesel on haigus,
– P(D|P) on haiguse tekkimise tõenäosus positiivse testitulemuse korral.
Bayesi teoreemi kohaselt:
\[
P(D|P) = ∫{P(P|D) ∫} ∫} P(D)}{P(P)}
\]
Esmalt arvuta P(P):
\[
P(P) = P(P|D) ∫cdot P(D) + P(P|D^c) ∫cdot P(D^c)
\]
\[
P(P) = 0.95 ∫cdot \frac{1}{1000} + 0.02 ∫cdot \frac{999}{1000} \ligikaudu 0.0211
\]
Nüüd,
\[
P(D|P) = ≈ 0.045 ehk 4.5%
\]
Seega, kui inimese test on positiivne, on tõenäosus, et tal on haigus X, umbes 4.5%.
Järeldus
Andmeanalüüs ja tõenäosusanalüüs on olulised tööriistad erinevates valdkondades, näiteks teadusuuringutes, majanduses ja tervishoius. Nende toimimise mõistmise abil saame teha paremaid ennustusi, langetada paremaid otsuseid ja hallata riske. Nende näidete ja arutelude kaudu saame paremini aru, kuidas andmeid saab analüüsida ja kuidas saab arvutada erinevate sündmuste tõenäosusi. Loodame, et see artikkel on aidanud meil süvendada arusaamist andmeanalüüsist ja tõenäosusanalüüsist.
