วิทยาศาสตร์ข้อมูล
| English | ไทย |
|---|---|
| data science/ˈdeɪtə ˈsaɪəns/ | วิทยาศาสตร์ข้อมูล |
| descriptive statistics/dɪˈskrɪptɪv stəˈtɪstɪks/ | สถิติเชิงพรรณนา |
| visualisation/ˌvɪʒuːəlaɪˈzeɪʃn/ | การแสดงผล |
| correlation is not causation/ˌkɒrɪˈleɪʃn ɪz nɒt kɔːˈseɪʃn/ | ความสัมพันธ์ไม่ใช่สาเหตุ |
นักเรียน五人ตอบ แต่มีเพียงสี่คนให้เวลา
- การสำรวจการเดินทางสมมติมีห้าแถว: 10, 20, 30, 40 และหนึ่งช่องว่าง วัดเป็นนาที การเรียกค่าช่องว่างเป็นศูนย์จะเปลี่ยนผลลัพธ์
- วิทยาศาสตร์ข้อมูล รวมคำถาม การเตรียมข้อมูล การวิเคราะห์และการตีความ เริ่มต้นด้วยการระบุว่ามีนักเรียนใครและเส้นทางใดที่เกี่ยวข้องกับคำถาม
ตรวจสอบความหมายของค่าที่น่าสงสัย
- ตรวจสอบหน่วย ค่าที่เป็นไปไม่ได้ แถวซ้ำ และฟิลด์ที่หายไป ค่าที่ซ้ำกันไม่ใช่บุคคลเดียวกันโดยอัตโนมัติ และค่าที่ไม่ปกติไม่ใช่ข้อผิดพลาดโดยอัตโนมัติ
- บันทึกการแก้ไขหรือการตัดออกของแต่ละกรณี หากฟิลด์หนึ่งว่างเปล่า ฟิลด์อื่นที่ใช้ได้ในแถวนั้นอาจยังรองรับการวิเคราะห์不同类型的
การลบแถวที่มีช่องว่างใดๆ ก็ตามถือเป็นมาตรการทำความสะอาดข้อมูลที่เป็นกลางเสมอ
ข้อมูลที่มีประโยชน์อาจถูกทิ้งไว้ และค่าที่หายไปอาจทำให้การเลือกเก็บข้อมูลมีความลำเอียง
เวลาเดินทางเท่ากันสองครั้งพิสูจน์ว่าแถวหนึ่งเป็นผู้ตอบซ้ำ
ผู้ตอบที่แตกต่างกันสามารถให้เวลาเดียวกันได้ ตรวจสอบตัวตนและบันทึกการเก็บรวบรวมก่อนจะลบข้อมูลออก
ใช้ตัวส่วนที่ตรงกับคำถาม
- ** สถิติเชิงพรรณนา** สรุปข้อมูลที่ถูกสังเกตที่นี่ เวลาทั้งสี่ที่บันทึกไว้รวม 100 นาที: ค่าเฉลี่ย 25 และมัธยฐาน 25 โดยมีเวลาถูกต้องสี่ตัวจาก五名受访者中。
- ภาพแสดงข้อมูล ควรระบุหน่วยและประชากร ไม่ควรตั้งชื่อว่าค่าเฉลี่ยสำหรับนักเรียนทั้งห้าคน เว้นแต่ค่าที่หายไปจะถูกแก้ไขแล้ว
เวลาที่บันทึกไว้คือ 10, 20, 30 และ 40 นาที โดยมีช่องว่างเพิ่มเติมอีกหนึ่งช่อง ค่าเฉลี่ยของเวลาที่บันทึกไว้คืออะไร?
ผลรวม 100 หารด้วยจำนวนเวลาที่บันทึกไว้ที่ถูกต้องสี่จำนวน จะได้ 25 นาที
เลือกกราฟสำหรับการเปรียบเทียบ
- ใช้แผนภูมิแท่งเพื่อเปรียบเทียบหมวดหมู่ แผนภูมิเส้นสำหรับอนุกรมเวลาที่มีลำดับ และแผนภูมิกระจายเพื่อพิจารณาตัวแปรตัวเลขสองตัวร่วมกัน
- ให้ชื่อกราฟที่มีประโยชน์ แกนที่มีป้ายชื่อ หน่วย และขนาดตัวอย่างที่เกี่ยวข้อง ผู้ดูต้องรู้ว่าแต่ละค่าแทนอะไร
จับคู่แต่ละข้อเปรียบเทียบกับกราฟเริ่มต้นที่เหมาะสม
เลือกกราฟที่แสดงความสัมพันธ์ของข้อมูล
แกนที่ยังไม่มีฉลากก็ยังคงช่วยให้ผู้อ่านทราบหน่วยและตัวแปรที่วัดได้อย่างเชื่อถือได้
ระบุตัวแปรและหน่วยให้ชัดเจน; ผู้อ่านไม่ควรต้องเดาเอง
แยกแพทเทิร์นออกจากสาเหตุ
- ความสัมพันธ์ไม่ใช่เหตุและผล: ความสัมพันธ์ที่สังเกตได้เพียงอย่างเดียวไม่ได้บ่งชี้ว่าตัวแปรหนึ่งสร้างอีกตัวแปรหนึ่งปัจจัยอื่นๆ และการออกแบบการศึกษามีความสำคัญ
- หากการสำรวจพบว่าผู้ที่มีระยะทางเดินทางไกลกว่านอนน้อยลง ให้อธิบายความสัมพันธ์ในหมู่ผู้ตอบแบบสอบถาม อย่าสรุปว่าการเปลี่ยนเฉพาะเวลาเดินทางจะทำให้การนอนเปลี่ยนแปลง
ผู้ตอบแบบสอบถามที่มีเวลาเดินทางไกลกว่ารายงานการนอนหลับน้อยลง ข้อสรุปใดที่สนับสนุนโดยข้อมูลนี้?
ผลการสังเกตนี้ไม่ได้แยกผลเชิงเหตุและผล หรือใช้เพื่ออ้างถึงประชากรในวงกว้างได้
รายงานข้อค้นพบพร้อมขอบเขต
- รายงาน: “ระยะเวลาเดินทางที่บันทึกไว้ทั้งสี่มีค่าเฉลี่ย 25 นาที; จากผู้ตอบแบบสอบถามทั้งหมดห้าคน มีหนึ่งคนที่ไม่ได้ให้ข้อมูลเวลา” การขาดหายไปของข้อมูลอาจส่งผลต่อความน่าจะเป็นที่ผลลัพธ์จะสะท้อนภาพจริง
- ระบุขนาดตัวอย่างและข้อจำกัดในการเก็บข้อมูลก่อนแนะนำการดำเนินการ การสำรวจเพียงชั้นเรียนเดียวไม่สามารถใช้สรุปผลสำหรับนักเรียนทุกคนในเมืองได้
คำถาม → ตรวจสอบข้อมูล → คำนวณอย่างโปร่งใส → กราฟที่มีฉลาก → บทสรุปที่มีขอบเขต ค่าที่ขาดหายและขอบเขตของตัวอย่างควรอยู่ในส่วนคำอธิบาย
เขียนข้อจำกัดหนึ่งข้อของการสำรวจ 60 นักเรียนจากชั้นเรียนเดียว
ชั้นเรียนหนึ่งอาจแตกต่างจากชั้นเรียนอื่น ดังนั้นผลลัพธ์จึงไม่ควรนำไปใช้ทั่วไปโดยอัตโนมัติสำหรับทั้งเมือง
รายงานใดที่แสดงผลการเดินทางอย่างโปร่งใส?
ระบุตัวส่วนที่ถูกต้องและจำนวนที่หายไป