Аналитика данных
Введено| English | Значение |
|---|---|
| data science/ˈdeɪtə ˈsaɪəns/ | data science |
| descriptive statistics/dɪˈskrɪptɪv stəˈtɪstɪks/ | описательная статистика |
| visualisation/ˌvɪʒuːəlaɪˈzeɪʃn/ | визуализация |
| correlation is not causation/ˌkɒrɪˈleɪʃn ɪz nɒt kɔːˈseɪʃn/ | корреляция не есть причинно-следственная связь |
Пять студентов отвечают, но только четыре указывают время
- Вымышленный опрос о поездках имеет пять строк: 10, 20, 30, 40 и одна пустая, измеренные в минутах. Приравнивание пустого значения к нулю изменяет результат.
- Наука о данных объединяет постановку вопроса, подготовку данных, анализ и интерпретацию. Начните с указания того, какие студенты и какой маршрут рассматриваются в вопросе.
Проверьте значение подозрительной величины
- Проверьте единицы измерения, невозможные значения, повторяющиеся строки и отсутствующие поля. Повторяющееся значение не обязательно является дубликатом одного человека, а необычное значение не обязательно является ошибкой.
- Ведите учет каждого исправления или исключения. Если одно поле пусто, другие доступные поля в этой строке могут все еще поддерживать другой анализ.
Удаление каждой строки с любым пустым полем всегда является нейтральным решением по очистке данных.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Полезные поля могут сохраниться, а пропуски данных могут исказить выбор оставшихся наблюдений.
Два равных времени поездки свидетельствуют о том, что одна строка содержит дубликат респондента.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Разные респонденты могут указать одинаковое время. Перед удалением данных необходимо проверить личность и записи сбора информации.
Используйте знаменатель, соответствующий вопросу
- Описательная статистика резюмирует наблюдаемые данные. Здесь четыре зафиксированных времени в сумме составляют 100 минут: среднее 25 и медиана 25, при четырех действительных ответах из пяти.
- Визуализация должна указывать свои единицы измерения и выборку. Не помечайте среднее как среднее для всех пяти студентов, если отсутствующее значение не урегулировано.
Зафиксированные значения времени составляют 10, 20, 30 и 40 минут, плюс один дополнительный пропуск. Каково среднее значение зафиксированных времен?
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Общее время 100 делится на четыре действительных зарегистрированных значения, что дает результат 25 минут.
Выбор диаграммы для сравнения
- Используйте столбчатую диаграмму для сравнения категорий, линейную диаграмму для упорядоченного временного ряда и точечную диаграмму для совместного исследования двух числовых переменных.
- Дайте диаграмме информативный заголовок, подписанные оси, единицы измерения и соответствующий размер выборки. Зритель должен знать, что представляет собой каждое значение.
Соотнесите каждое сравнение с подходящей начальной диаграммой.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Выберите диаграмму, отражающую зависимость в данных.
Неподписанная ось все равно позволяет читателю надежно определить единицу измерения и измеряемую величину.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Укажите переменную и единицы измерения; читатель не должен гадать.
Отделите закономерность от её причины
- Корреляция не означает причинно-следственную связь: само по себе наблюдаемое соотношение не доказывает, что одна переменная вызвала другую. Важны и другие факторы, и дизайн исследования.
- Если опрос показывает, что люди с длительной поездкой спят меньше, опишите эту ассоциацию среди респондентов. Не делайте вывод, что изменение времени в пути изолированно изменит продолжительность сна.
Респонденты опроса с более длительными поездками сообщают о меньшем количестве сна. Какой вывод подтверждается?
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Наблюдение не изолирует причинно-следственную связь и не оправдывает утверждение о расширенной выборке.
Представьте результат с указанием его ограничений
- Сообщение: «Четыре зафиксированных времени в пути имеют среднее значение 25 минут; один из пяти респондентов не указал время». Отсутствие данных может повлиять на репрезентативность результата.
- Укажите границы выборки и методы сбора данных перед рекомендациями к действию. Опрос одного класса не позволяет сделать вывод о каждом ученике города.
Вопрос → проверка данных → прозрачный расчёт → подписанная диаграмма → ограниченный вывод. Пропущенные значения и границы выборки должны быть отражены в объяснении.
Опишите одно ограничение опроса 60 студентов из одного класса.
Difficulty 3/5 · 200 coins + a small bonus on first completion today
Один класс может отличаться от других, поэтому результаты нельзя автоматически обобщать на весь город.
Какой отчет о результате поездки демонстрирует прозрачность?
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Укажите действительный знаменатель и количество пропусков.