Анализ данных — это очистка, описание несколькими числами, графики и проверка, не случайна ли найденная закономерность.
Что нужно знать
- Среднее — сумма / количество; медиана — середина упорядоченного ряда (при чётном числе — среднее двух средних); мода — самое частое; размах — max − min.
- Медиана устойчива к выбросам, среднее — нет. Дисперсия и стандартное отклонение показывают разброс вокруг среднего.
- Признаки: качественные (категории) и количественные (числа).
- Диаграммы: гистограмма — распределение; круговая — доли; линейный график — изменение во времени; лепестковая — сравнение по многим показателям; рассеяния — связь двух признаков.
- Предобработка: очистка (ошибки, дубликаты, невозможные значения), пропуски, нормализация min–max: (x − min) / (max − min) ∈ [0; 1].
- Выборка должна быть репрезентативной; смещённая выборка даёт ложные выводы. Доверительный интервал сужается при росте выборки.
- Гипотезы: нулевая — «эффекта нет»; если p < уровня значимости (обычно 0,05) — её отвергают.
- Корреляция от −1 до +1: знак — направление, модуль — сила связи. Корреляция ≠ причинность.
Где чаще всего ошибаются
- Описывать данные с выбросами только средним.
- Показывать изменение во времени круговой диаграммой.
- Делать вывод о всех по выборке из одной группы.
- Считать сильную корреляцию доказательством причины.
Проверить себя
По этой же теме курса есть проверочная работа из 15 заданий на 25 минут. Проверка автоматическая, результат виден сразу — и по работе целиком, и по каждой теме.