Po pierwsze, dlaczego statystyki? Kiedy odkrywamy moc statystyk w tych statystykach w Pythonie - seria część 1, istnieje wiele pytań, na które statystyki mogą pomóc ci odpowiedzieć, na przykład (a lista nie kończy się tutaj) -

• Zachowania i spostrzeżenia konsumentów - jakie jest prawdopodobieństwo, że ktoś kupi produkt? Z jakiego systemu płatności będą korzystać na podstawie danych historii zakupów?
• Kierowanie reklam i optymalizacja - Która reklama skuteczniej zachęca ludzi do zakupu produktu?
• Optymalizacja - Jak można zoptymalizować obłożenie w hotelu na podstawie poprzednich danych historii obłożenia?
• Wzory - jaki rozmiar koszulek jest najbardziej odpowiedni na podstawie tego, jaki rozmiar ma na sobie 95% populacji?
• Jeśli leki mogą wyleczyć choroby lub jeśli szczepionka jest skuteczna itp

Terminologie, które powinieneś znać -

• Populacja : jest to zidentyfikowana grupa osób
• Zmienna : to mierzalny czynnik lub stan, który występuje w różnych ilościach lub typach
• Rozmiar efektu : pokazuje, jaka jest różnica między średnimi zmiennych
• Losowe próbkowanie : jest to (losowy) sposób wybierania osobników z populacji, który zapewnia, że ​​każda osoba ma równe prawdopodobieństwo bycia wybraną
• Oszacowanie punktowe : jest to szacunkowa wartość w populacji, na przykład średnia
• Przedziały ufności : jest to zakres wartości wokół szacunków punktowych, które prawdopodobnie zawierają prawdziwą wartość zmiennej w populacji / próbie
• Margines błędu : służy do szacowania błędnych obliczeń lub błędów, jest to obliczona kwota dodana i odjęta do oszacowania punktowego
• Odchylenie standardowe : średnia odległość między każdym punktem danych a całkowitą średnią

Znajomość rodzaju statystyk potrzebnych do udzielenia odpowiedzi na pytanie pomoże Ci wybrać odpowiednie metody, aby uzyskać możliwie najdokładniejszą odpowiedź. Istnieją dwie gałęzie statystyk -

• Statystyka opisowa - opisuje i podsumowuje dane

Jak uczniowie dostają się na swoją uczelnię. Odpowiedź może być taka, że ​​40% z nich jeździ do pracy, 35% jeździ autobusem, a 25% rowerem itp

• Statystyka wnioskowa - pobiera przykładowe dane w celu wyciągania wniosków w odniesieniu do większej populacji.

Jaki% studentów jeździ na studia na podstawie przykładowych danych.

Istnieją dwa rodzaje danych -

Dane liczbowe lub ilościowe : składają się z wartości liczbowych, które są dalej podzielone na dyskretne (elementy liczone) i ciągłe (zmienne mierzone). W przypadku tego typu danych możemy użyć statystyk podsumowujących, takich jak średnia, oraz wykresów, takich jak wykresy punktowe itp

• Dane kategorialne lub jakościowe : składają się z wartości należących do odrębnych grup, które są dalej podzielone na nominalne i porządkowe. W przypadku tego typu danych używamy statystyk podsumowujących, takich jak liczebności i wykresy, takie jak wykresy słupkowe itp

Przykłady danych jakościowych - stan cywilny, rodzaj choroby, kolor oczu itp

Zrozumienie danych jest ważne, ponieważ pomoże to wybrać odpowiednie statystyki podsumowujące i wizualizacje.

Miara środka

Jest to wartość w środku lub w środku zbioru danych.

Istnieją cztery miary środka -

• Oznaczać
• Mediana
• Tryb
• Zasięg

Zmienność jest kluczem do statystyk. Tak więc, kiedy opisujesz dane, nigdy nie polegaj wyłącznie na centrum. Miara spreadu pozwoliła zidentyfikować rozrzut wartości.

Istnieją cztery miary rozprzestrzeniania / zmienności -

1. Odchylenie standardowe
2. Przedział między kwartylami (IQR)
3. Zmienność

Którego środka użyć?

• Jeśli rozkład jest normalny lub symetryczny, użyj średniej i odchylenia standardowego. Średnia działa lepiej w przypadku danych symetrycznych i jest bardziej wrażliwa na wartości ekstremalne.
• Jeśli rozkład jest wypaczony lub ma duże wartości odstające, użyj mediany, zakresu lub IQR. Mediana jest zwykle lepsza, gdy dane są przekrzywione, tj. Niesymetryczne.
• Jeśli dystrybucja jest bimodalna, użyj trybu, aby dowiedzieć się, czy te dwa tryby reprezentują różne grupy lub zakres

Dziękuje za przeczytanie. Kontynuuj naukę i kodowanie :)

Chcesz przeczytać humor programistów?

Humor o programowaniu, część 2, najbardziej zabawne komentarze do kodu, jakie kiedykolwiek zakodowano grzechy kodowania: przezabawne wyznania programistów 10 dowcipnych dowcipów o programowaniu, które sprawią, że zaczniesz ROFL

Polecane artykuły -

Łatwe iteratory, generatory i dekoratory w Pythonie 23 Techniki nauki o danych, które powinieneś znać! Grzechy kodowania: przezabawne wyznania deweloperów 5 fajnych, zaawansowanych technik pand dla naukowców zajmujących się danymi Analiza przepełnienia stosu danych od ponad 60 000 programistów - godziny pracy, języki, którymi… Łatwiejszy zaawansowany język Python - część 4 Łatwy zaawansowany język Python - część 1