Python kursi24.16-dars: Statistika — tavsifiy
Python kursi · Malumot tahlili

24.16-dars: Statistika — tavsifiy

16 daqiqa16/18-dars

24-QISM — MA'LUMOT TAHLILI · 16-dars


1. Kirish va motivatsiya

Vizualizatsiya (24.13–24.15) ma'lumotni ko'z bilan ko'rsatadi. Endi ma'lumotni sonlar bilan xulosalash: "o'rtacha necha?", "qancha tarqoq?", "markazi qayerda?", "chetlanish bormi?". Bu — tavsifiy statistika (descriptive statistics): ko'p sonni bir necha ma'noli songa jamlash. 1000 baho o'rniga: o'rtacha 77, mediana 78, standart chetlanish 9. Ma'lumotni tavsiflash.

Tavsifiy statistika ma'lumotni uch tomondan xulosalaydi: markaziy tendensiya (markaz — o'rtacha, mediana, moda), tarqoqlik (yoyilish — standart chetlanish, dispersiya, IQR), shakl (taqsimot — asimmetriya). Bularga qo'shimcha kvartil (25/50/75%), chetlangan qiymatlar (outlier), korrelyatsiya (ikki o'zgaruvchi bog'lanishi). Bu tahlilning matematik asosi — ma'lumotdan ishonchli xulosa. describe() 24.5-bob — hammasi bir joyda. Statistika — ma'lumotdan haqiqatni ajratish.

Real vaziyat. Bir hisobotda "o'rtacha maosh 5 million" edi — lekin ko'pchilik 2 million olardi. Sabab: bir necha juda katta maosh o'rtachani "tortdi". Mediana (o'rta qiymat) 2.5 million — haqiqatni ko'rsatdi. Statistika (mediana vs o'rtacha) chalg'itishni ochdi. Tavsifiy statistika — ma'lumotni to'g'ri tushunish va yetkazish.

Bu darsda tavsifiy statistikani o'rganamiz.

Bu darsda:

  • Markaziy tendensiya (o'rtacha, mediana, moda)
  • Tarqoqlik (std, dispersiya, IQR)
  • Kvartil va foizli
  • describe() (to'liq xulosa)
  • Chetlangan qiymatlar (outlier)
  • Korrelyatsiya
  • Asimmetriya (skew)
  • Amaliy: statistik tahlil

ℹ Misollarda NumPy, pandas, statistics bilan sinaladi.


2. Nazariya — chuqur tushuntirish

2.1. Markaziy tendensiya

Ma'lumot markazi:

python
np.mean(data)       # o'rtacha (arifmetik)
np.median(data)     # mediana (o'rta qiymat)
statistics.mode(data)  # moda (eng ko'p qiymat)

Markaziy tendensiya — ma'lumot "markazi": o'rtacha (mean — barcha yig'indi / son; chetlangan qiymatga sezgir), mediana (median — tartiblanganda o'rtadagi qiymat; chetlanganga chidamli), moda (mode — eng ko'p uchraydigan). Farq muhim: chetlangan qiymat (juda katta maosh) o'rtachani tortadi, mediana esa barqaror. Ma'lumot turiga qarab tanla (maosh — mediana, harorat — o'rtacha).

2.2. Tarqoqlik (std, dispersiya)

Ma'lumot yoyilishi:

python
np.std(data, ddof=1)    # standart chetlanish
np.var(data, ddof=1)    # dispersiya (std^2)
max(data) - min(data)   # oraliq (range)

Tarqoqlik — ma'lumot qancha yoyilgan (markazdan uzoq): standart chetlanish (std — o'rtacha chetlanish, eng ko'p ishlatiladi), dispersiya (var — std kvadrati), oraliq (range — max - min). Katta std — tarqoq (turli-tuman), kichik std — jamlangan (o'xshash). ddof=1 — namuna (sample) uchun (butun populyatsiya — ddof=0). Markaz yetmaydi — tarqoqlik ham kerak (ikki ma'lumot bir o'rtachada, har xil tarqoq).

2.3. Kvartil va foizli

Ma'lumotni qismlarga bo'lish:

python
np.percentile(data, [25, 50, 75])   # kvartillar (Q1, Q2, Q3)
np.percentile(data, 90)             # 90-foizli
Q1, Q3 = np.percentile(data, [25, 75])
IQR = Q3 - Q1                        # kvartillararo oraliq

Kvartil — ma'lumotni to'rt qismga: Q1 (25% — pastdan chorak), Q2 (50% — mediana), Q3 (75%). Foizli (percentile) — istalgan foiz (90% — undan pastda 90% ma'lumot). IQR (Q3 - Q1 — o'rta 50% oraligi — chetlanganga chidamli tarqoqlik). Bu ma'lumot taqsimotini (qayerda jamlangan) ko'rsatadi. Boxplot 24.13-bob shu kvartillarga asoslanadi.

2.4. describe() (to'liq xulosa)

Barcha statistika bir joyda:

python
df["narx"].describe()
# count, mean, std, min, 25%, 50%, 75%, max
df.describe()             # barcha son ustun
df["kat"].describe()      # matn: count, unique, top, freq

describe() 24.5-bob — asosiy statistikalar bir joyda: count (son), mean (o'rtacha), std (chetlanish), min/max, 25%/50%/75% (kvartillar). Matn ustunda: unique (noyob son), top (eng ko'p), freq (chastota). Bu ma'lumotni tez tanishning eng foydali vositasi — bir buyruqda markaz, tarqoqlik, taqsimot. Yangi ma'lumot bilan doim describe().

2.5. Chetlangan qiymatlar (outlier)

Anomal qiymatlar:

python
Q1, Q3 = np.percentile(data, [25, 75])
IQR = Q3 - Q1
past = Q1 - 1.5 * IQR
yuqori = Q3 + 1.5 * IQR
outliers = [x for x in data if x < past or x > yuqori]

Chetlangan qiymatlar (outlier) — ma'lumotdan keskin farq qiluvchi (xato yoki haqiqiy anomaliya): IQR usuli — Q1 - 1.5×IQR dan past yoki Q3 + 1.5×IQR dan yuqori. Yoki mean ± 3×std (z-ball). Chetlangan qiymat statistikani buzadi (o'rtachani tortadi) — tekshirish kerak (xato? o'chir; haqiqiy? saqla). 24.8 (tozalash) bilan bog'liq. Anomaliyani aniqlash.

2.6. Korrelyatsiya

Ikki o'zgaruvchi bog'lanishi:

python
x.corr(y)               # -1 dan 1 gacha
# 1: kuchli musbat (birga oshadi)
# -1: kuchli manfiy (biri oshsa, ikkinchi tushadi)
# 0: bog'lanish yo'q
df.corr(numeric_only=True)   # barcha ustun juftligi

Korrelyatsiya — ikki o'zgaruvchi bog'lanish kuchi (-1 dan 1 gacha): 1 (kuchli musbat — birga oshadi, narx-daromad), -1 (kuchli manfiy — teskari, narx-talab), 0 (bog'lanish yo'q). .corr() (Series jufti), df.corr() (barcha — heatmap, 24.14). Muhim: korrelyatsiya sababiy emas (correlation ≠ causation — birga o'zgarish, biri ikkinchini keltirib chiqarmaydi). Bog'lanishni o'lchash, lekin ehtiyot bilan talqin.

2.7. Asimmetriya (skew)

Taqsimot shakli:

python
series.skew()       # asimmetriya
# 0: simmetrik (normal)
# > 0: o'ngga cho'zilgan (uzun o'ng dum)
# < 0: chapga cho'zilgan

Asimmetriya (skewness) — taqsimot simmetrikmi: 0 (simmetrik — normal taqsimot, o'rtacha = mediana), musbat (o'ngga cho'zilgan — uzun o'ng dum, o'rtacha > mediana — masalan, maosh), manfiy (chapga). Bu ma'lumot shaklini ko'rsatadi (histogram, 24.13). Asimmetrik ma'lumotda mediana o'rtachadan yaxshiroq (chetlanganga chidamli). Taqsimotni tushunish.

2.8. Statistikani to'g'ri ishlatish

Statistikani to'g'ri ishlatish: markaz + tarqoqlik (bittasi yetmaydi — o'rtacha + std), to'g'ri o'lchov (asimmetrik → mediana, simmetrik → o'rtacha), chetlangan qiymat (tekshir — xato yoki haqiqiy), korrelyatsiya ≠ sababiy. "Statistika chalg'itishi mumkin" (o'rtacha yashiradi — ko'pchilik past bo'lsa ham). Halol statistika: to'liq rasm (markaz + tarqoqlik + taqsimot), to'g'ri o'lchov, ehtiyotli talqin. Statistika — ma'lumotdan haqiqatni ajratish (chalg'itish emas).


3. Tez ma'lumotnoma

python
import numpy as np
import pandas as pd

# markaziy tendensiya:
np.mean(data); np.median(data)
import statistics; statistics.mode(data)

# tarqoqlik:
np.std(data, ddof=1); np.var(data, ddof=1)
max(data) - min(data)                # oraliq

# kvartil:
np.percentile(data, [25, 50, 75])    # Q1, Q2, Q3
Q1, Q3 = np.percentile(data, [25, 75]); IQR = Q3 - Q1

# describe (to'liq):
df["narx"].describe()

# outlier (IQR usuli):
outliers = data[(data < Q1 - 1.5*IQR) | (data > Q3 + 1.5*IQR)]

# korrelyatsiya:
x.corr(y); df.corr(numeric_only=True)

# asimmetriya:
series.skew()

Statistika xulosasi

Markaz: mean/median/mode · tarqoqlik: std/var/IQR · kvartil: 25/50/75%
describe: to'liq · outlier: IQR usuli · korrelyatsiya: -1..1 (≠ sababiy)
skew: asimmetriya · markaz + tarqoqlik (ikkalasi)

4. Batafsil misollar

Misollarda NumPy, pandas, statistics bilan sinaladi.

Misol 1 — Markaziy tendensiya va tarqoqlik

python
"""markaz (mean/median/mode); tarqoqlik (std/var/range); mean vs median (chetlangan ta'sir)."""

import warnings
warnings.filterwarnings("ignore")

import statistics

import numpy as np


def main() -> None:
    baholar = [65, 70, 72, 80, 85, 88, 90, 75, 68, 82]

    print("=== 1. Markaziy tendensiya ===")
    print(f"  o'rtacha: {round(np.mean(baholar), 1)}")
    print(f"  mediana: {np.median(baholar)}")
    print(f"  moda: {statistics.mode([1, 2, 2, 3, 3, 3, 4])}")

    print("\n=== 2. Tarqoqlik ===")
    print(f"  std: {round(np.std(baholar, ddof=1), 2)}")
    print(f"  dispersiya: {round(np.var(baholar, ddof=1), 2)}")
    print(f"  oraliq: {max(baholar) - min(baholar)}")

    print("\n=== 3. mean vs median (chetlangan qiymat) ===")
    maoshlar = [2, 2, 3, 3, 4, 4, 5, 50]     # 50 — chetlangan
    print(f"  o'rtacha (tortilgan): {np.mean(maoshlar)}")
    print(f"  mediana (barqaror): {np.median(maoshlar)}")

    print("\n=== 4. Xulosa ===")
    print(f"  chetlangan qiymat o'rtachani tortadi")
    print(f"  mediana chetlanganga chidamli")
    print("  ⭐ markaz (mean/median) + tarqoqlik (std) — ikkalasi kerak")


if __name__ == "__main__":
    main()

Natijaning muhim qismi:

text
=== 1. Markaziy tendensiya ===
  o'rtacha: 77.5
  mediana: 77.5
  moda: 3

=== 2. Tarqoqlik ===
  std: 8.75
  dispersiya: 76.5
  oraliq: 25

=== 3. mean vs median (chetlangan qiymat) ===
  o'rtacha (tortilgan): 9.125
  mediana (barqaror): 3.5

=== 4. Xulosa ===
  chetlangan qiymat o'rtachani tortadi
  mediana chetlanganga chidamli
  ⭐ markaz (mean/median) + tarqoqlik (std) — ikkalasi kerak

Nima ko'rsatdi: 2.1, 2.2-bo'limlar.

Misol 2 — Kvartil va describe

python
"""kvartil (percentile 25/50/75); IQR; describe (to'liq statistik xulosa)."""

import warnings
warnings.filterwarnings("ignore")

import numpy as np
import pandas as pd


def main() -> None:
    baholar = [65, 70, 72, 80, 85, 88, 90, 75, 68, 82]

    print("=== 1. Kvartillar (25/50/75%) ===")
    q = np.percentile(baholar, [25, 50, 75])
    print(f"  Q1={q[0]}, Q2(mediana)={q[1]}, Q3={q[2]}")

    print("\n=== 2. IQR (kvartillararo oraliq) ===")
    iqr = q[2] - q[0]
    print(f"  IQR = {iqr}")

    print("\n=== 3. Foizli (90%) ===")
    print(f"  90-foizli: {np.percentile(baholar, 90)}")

    print("\n=== 4. describe (to'liq) ===")
    s = pd.Series(baholar)
    d = s.describe()
    print(f"  count={int(d['count'])}, mean={round(d['mean'], 1)}, std={round(d['std'], 1)}")
    print(f"  min={d['min']}, 25%={d['25%']}, 50%={d['50%']}, 75%={d['75%']}, max={d['max']}")
    print("  ⭐ kvartil (taqsimot), describe (to'liq xulosa)")


if __name__ == "__main__":
    main()

Natijaning muhim qismi:

text
=== 1. Kvartillar (25/50/75%) ===
  Q1=70.5, Q2(mediana)=77.5, Q3=84.25

=== 2. IQR (kvartillararo oraliq) ===
  IQR = 13.75

=== 3. Foizli (90%) ===
  90-foizli: 88.2

=== 4. describe (to'liq) ===
  count=10, mean=77.5, std=8.7
  min=65.0, 25%=70.5, 50%=77.5, 75%=84.25, max=90.0
  ⭐ kvartil (taqsimot), describe (to'liq xulosa)

Nima ko'rsatdi: 2.3, 2.4-bo'limlar.

Misol 3 — Chetlangan qiymatlar va korrelyatsiya

python
"""outlier (IQR usuli); korrelyatsiya (corr -1..1); asimmetriya (skew)."""

import warnings
warnings.filterwarnings("ignore")

import numpy as np
import pandas as pd


def main() -> None:
    print("=== 1. Chetlangan qiymat (IQR usuli) ===")
    data = np.array([10, 12, 11, 13, 12, 14, 11, 100, 13, 12])   # 100 — chetlangan
    q1, q3 = np.percentile(data, [25, 75])
    iqr = q3 - q1
    outliers = data[(data < q1 - 1.5 * iqr) | (data > q3 + 1.5 * iqr)]
    print(f"  Q1={q1}, Q3={q3}, IQR={iqr}")
    print(f"  chetlangan qiymatlar: {outliers.tolist()}")

    print("\n=== 2. Korrelyatsiya (musbat) ===")
    narx = pd.Series([100, 120, 140, 160, 180])
    daromad = pd.Series([1000, 1250, 1400, 1650, 1800])
    print(f"  narx-daromad corr: {round(narx.corr(daromad), 3)} (kuchli musbat)")

    print("\n=== 3. Korrelyatsiya (manfiy) ===")
    narx2 = pd.Series([100, 120, 140, 160, 180])
    talab = pd.Series([90, 80, 70, 55, 40])
    print(f"  narx-talab corr: {round(narx2.corr(talab), 3)} (manfiy)")

    print("\n=== 4. Asimmetriya (skew) ===")
    simmetrik = pd.Series([1, 2, 3, 4, 5, 6, 7])
    ongga = pd.Series([1, 1, 2, 2, 3, 8, 15])
    print(f"  simmetrik skew: {round(simmetrik.skew(), 2)}")
    print(f"  o'ngga cho'zilgan skew: {round(ongga.skew(), 2)} (musbat)")
    print("  ⭐ outlier (IQR), korrelyatsiya (-1..1), skew (shakl)")


if __name__ == "__main__":
    main()

Natijaning muhim qismi:

text
=== 1. Chetlangan qiymat (IQR usuli) ===
  Q1=11.25, Q3=13.0, IQR=1.75
  chetlangan qiymatlar: [100]

=== 2. Korrelyatsiya (musbat) ===
  narx-daromad corr: 0.996 (kuchli musbat)

=== 3. Korrelyatsiya (manfiy) ===
  narx-talab corr: -0.994 (manfiy)

=== 4. Asimmetriya (skew) ===
  simmetrik skew: 0.0
  o'ngga cho'zilgan skew: 1.74 (musbat)
  ⭐ outlier (IQR), korrelyatsiya (-1..1), skew (shakl)

Nima ko'rsatdi: 2.5, 2.6, 2.7-bo'limlar.

Misol 4 — Amaliy: talaba baholari statistik tahlil

Real misol: talaba baholari — to'liq statistik tahlil (markaz, tarqoqlik, kvartil, chetlangan). Bu — statistik xulosaning namunasi.

python
"""to'liq statistik tahlil: markaz, tarqoqlik, kvartil, outlier, korrelyatsiya — talaba ma'lumoti."""

import warnings
warnings.filterwarnings("ignore")

import numpy as np
import pandas as pd


def main() -> None:
    df = pd.DataFrame({
        "baho": [65, 70, 72, 80, 85, 88, 90, 75, 68, 82, 95, 45],
        "davomat": [80, 85, 88, 92, 95, 98, 100, 90, 82, 94, 100, 60],
    })

    print("=== 1. Baho markazi va tarqoqligi ===")
    print(f"  o'rtacha: {round(df['baho'].mean(), 1)}, mediana: {df['baho'].median()}")
    print(f"  std: {round(df['baho'].std(), 1)}, oraliq: {df['baho'].max() - df['baho'].min()}")

    print("\n=== 2. Kvartillar ===")
    q = df["baho"].quantile([0.25, 0.5, 0.75])
    print(f"  Q1={q[0.25]}, Q2={q[0.5]}, Q3={q[0.75]}")

    print("\n=== 3. Chetlangan qiymatlar (IQR) ===")
    q1, q3 = df["baho"].quantile([0.25, 0.75])
    iqr = q3 - q1
    outliers = df[(df["baho"] < q1 - 1.5 * iqr) | (df["baho"] > q3 + 1.5 * iqr)]
    print(f"  chetlangan baholar: {outliers['baho'].tolist()}")

    print("\n=== 4. Baho-davomat korrelyatsiya ===")
    korr = round(df["baho"].corr(df["davomat"]), 3)
    print(f"  korrelyatsiya: {korr} ({'musbat' if korr > 0 else 'manfiy'})")
    print(f"  talqin: davomat yuqori → baho yuqori (lekin korrelyatsiya ≠ sababiy)")
    print("  ⭐ markaz + tarqoqlik + kvartil + korrelyatsiya — to'liq tahlil")


if __name__ == "__main__":
    main()

Natijaning muhim qismi:

text
=== 1. Baho markazi va tarqoqligi ===
  o'rtacha: 76.2, mediana: 77.5
  std: 13.6, oraliq: 50

=== 2. Kvartillar ===
  Q1=69.5, Q2=77.5, Q3=85.75

=== 3. Chetlangan qiymatlar (IQR) ===
  chetlangan baholar: [45]

=== 4. Baho-davomat korrelyatsiya ===
  korrelyatsiya: 0.984 (musbat)
  talqin: davomat yuqori → baho yuqori (lekin korrelyatsiya ≠ sababiy)
  ⭐ markaz + tarqoqlik + kvartil + korrelyatsiya — to'liq tahlil

Nima ko'rsatdi: 2.1–2.8-bo'limlar.


5. To'g'ri va noto'g'ri tushunishlar

Noto'g'ri fikr To'g'risi
"O'rtacha yetarli" Markaz + tarqoqlik (ikkalasi)
"O'rtacha = mediana" Asimmetrikda farq qiladi
"O'rtacha doim yaxshi" Chetlanganda mediana
"Chetlangan qiymat — xato" Xato yoki haqiqiy (tekshir)
"Korrelyatsiya = sababiy" ≠ sababiy (correlation ≠ causation)
"Katta std yomon" Tarqoqlik (ma'lumotga qarab)
"describe faqat son" Matn ham (unique, top)
"Statistika har doim halol" Chalg'itishi mumkin

6. Keng tarqalgan xatolar va yechimlari

1. Faqat o'rtacha (tarqoqliksiz)

python
data.mean()   # yolg'iz yetmaydi                # ⚠️
data.mean(), data.std()   # markaz + tarqoqlik  # ✅

2. Asimmetrikda o'rtacha

python
maosh.mean()   # chetlangan tortadi             # ⚠️
maosh.median()   # barqaror                      # ✅

3. Korrelyatsiyani sababiy deb talqin

python
# muzqaymoq sotuvi + cho'kish korrelyatsiya       # ⚠️ (ikkalasi — yoz)
# korrelyatsiya ≠ sababiy                          # ✅

4. ddof e'tiborsiz

python
np.std(data)   # ddof=0 (populyatsiya)           # namuna uchun
np.std(data, ddof=1)   # namuna (sample)          # ✅

5. Chetlangan qiymatni ko'r-ko'rona o'chirish

python
# outlier o'chir (avtomatik)                       # ⚠️ (haqiqiy bo'lishi mumkin)
# tekshir: xato? o'chir. haqiqiy? saqla            # ✅

6. corr matn ustun bilan

python
df.corr()   # matn xato                           # ⚠️
df.corr(numeric_only=True)                         # ✅

7. Statistika bilan chalg'itish

python
# faqat o'rtachani ko'rsatish (mediana yashirin)   # ⚠️
# to'liq rasm (markaz + tarqoqlik + taqsimot)      # ✅

7. Integratsiya — bu bilim qayerda kerak bo'ladi

  • 24.5-dars (o'tilgan): describe — statistik xulosa
  • 24.13–24.14 (o'tilgan): Vizualizatsiya — statistikani ko'rsatadi
  • 24.17-dars: Gipoteza — statistik test
  • 25-qism: ML — ma'lumot tushunish (statistika)
  • 24.8-dars (o'tilgan): Tozalash — outlier

8. Eng yaxshi amaliyotlar

  1. Markaz + tarqoqlik (bittasi yetmaydi).

  2. Asimmetrikda mediana (o'rtacha emas).

  3. describe() — tez xulosa.

  4. Chetlangan qiymatni tekshir (o'chirma).

  5. Korrelyatsiya ≠ sababiy (ehtiyotli).

  6. Namuna uchun ddof=1.

  7. To'liq rasm (chalg'itma).

  8. Statistikani grafik bilan (24.13–24.14).


9. Amaliy topshiriq

Vazifa 1: Bashorat qiling

python
1.  # markaziy tendensiya nima?
2.  # mean vs median?
3.  # moda nima?
4.  # std nima?
5.  # dispersiya nima?
6.  # kvartil nima?
7.  # IQR nima?
8.  # describe nima?
9.  # outlier nima?
10. # korrelyatsiya nima?
11. # korrelyatsiya = sababiymi?
12. # skew nima?
Javoblar
  1. Ma'lumot markazi
  2. mean chetlangan sezgir, median barqaror
  3. Eng ko'p uchraydigan qiymat
  4. Standart chetlanish (tarqoqlik)
  5. std kvadrati
  6. Ma'lumotni to'rt qismga (25/50/75%)
  7. Kvartillararo oraliq (Q3-Q1)
  8. To'liq statistik xulosa
  9. Chetlangan (anomal) qiymat
  10. Ikki o'zgaruvchi bog'lanish (-1..1)
  11. Yo'q (correlation ≠ causation)
  12. Asimmetriya (taqsimot shakli)

Vazifa 2: Xatolarni tuzating

python
1.  data.mean()   # yolg'iz            # + std

2.  maosh.mean()   # chetlangan        # median

3.  # korrelyatsiya → sababiy          # ≠ sababiy

4.  np.std(data)   # namuna            # ddof=1

5.  df.corr()   # matn                 # numeric_only
Javoblar
python
1.  data.mean(), data.std()

2.  maosh.median()

3.  # korrelyatsiya ≠ sababiy

4.  np.std(data, ddof=1)

5.  df.corr(numeric_only=True)

Vazifa 3: Markaz/tarqoqlik

Statistika:

  1. mean, median
  2. std, var
  3. mean vs median
  4. Talqin

Vazifa 4: Kvartil

Taqsimot:

  1. percentile
  2. IQR
  3. describe
  4. Foizli

Vazifa 5: Outlier/korrelyatsiya

Tahlil:

  1. IQR usuli
  2. Korrelyatsiya
  3. Musbat/manfiy
  4. skew

Vazifa 6: To'liq

Statistik:

  1. Markaz
  2. Tarqoqlik
  3. Kvartil
  4. Korrelyatsiya

Vazifa 7: O'ylash

Statistika ma'lumotni xulosalaydi (ko'p son → bir necha ma'noli son), lekin chalg'itishi ham mumkin: o'rtacha (mediana yashirin), korrelyatsiya (sababiy deb talqin). Nima uchun "markaz + tarqoqlik + taqsimot" (to'liq rasm) muhim, va nega "korrelyatsiya ≠ sababiy" (correlation ≠ causation) statistikaning eng muhim tamoyillaridan — statistikani halol ishlatish nimani anglatadi?

Javob

Qisqa javob: Statistika ma'lumotni xulosalaydi, lekin bir son (o'rtacha) to'liq rasmni bermaydi — chalg'itishi mumkin. "Markaz + tarqoqlik + taqsimot" muhim, chunki: ikki ma'lumot bir o'rtachada bo'lsa ham, har xil tarqoq (biri jamlangan, biri yoyilgan); o'rtacha chetlangan qiymatga tortiladi (maosh — mediana haqiqatroq). "Korrelyatsiya ≠ sababiy" — statistikaning eng muhim tamoyili: ikki narsa birga o'zgarish (korrelyatsiya) biri ikkinchini keltirib chiqaradi (sababiy) degani emas (muzqaymoq sotuvi va cho'kish birga oshadi — ikkalasi yozda, bir-birini keltirib chiqarmaydi). Statistikani halol ishlatish — to'liq rasmni ko'rsatish (markaz + tarqoqlik), to'g'ri o'lchov (asimmetrik → mediana), ehtiyotli talqin (korrelyatsiya ≠ sababiy), chalg'itmaslik. "Statistika bilan yolg'on oson, halol statistika — mas'uliyat".

1. Bir son yetmaydi

O'rtacha 77 — lekin tarqoq (60–95) yoki jamlangan (75–79)? Markaz + tarqoqlik kerak. Ikki ma'lumot bir o'rtachada, har xil.

2. O'rtacha chalg'itishi

Chetlangan qiymat (juda katta maosh) o'rtachani tortadi — ko'pchilik past bo'lsa ham o'rtacha yuqori. Mediana haqiqatroq.

3. Korrelyatsiya ≠ sababiy

Ikki narsa birga o'zgarish — biri ikkinchini keltirib chiqaradi degani emas:

  • Muzqaymoq + cho'kish (ikkalasi — yoz)
  • Uchinchi omil (yashirin sabab)
  • Tasodif

4. Halol statistika

  • To'liq rasm (markaz + tarqoqlik + taqsimot)
  • To'g'ri o'lchov (asimmetrik → mediana)
  • Ehtiyotli talqin (korrelyatsiya ≠ sababiy)
  • Chalg'itmaslik (haqiqatni ko'rsatish)

5. Muhandislik saboqlari

  1. Bir son yetmaydi (to'liq rasm)
  2. O'rtacha chalg'itishi (mediana)
  3. Korrelyatsiya ≠ sababiy
  4. Halol statistika — mas'uliyat

6. Xulosa

  1. Markaz + tarqoqlik + taqsimot (to'liq)
  2. To'g'ri o'lchov (asimmetrik)
  3. Korrelyatsiya ≠ sababiy
  4. Statistikani halol ishlat

Nimani mustahkamlaydi: 2.1–2.8-bo'limlar.


Xulosa

Bu darsda tavsifiy statistikani o'rgandik.

Eng muhim uch fikr:

  1. Markaziy tendensiya va tarqoqlik. Markaziy tendensiya — ma'lumot "markazi": o'rtacha (mean — chetlangan qiymatga sezgir), mediana (median — o'rta qiymat, chetlanganga chidamli), moda (eng ko'p uchraydigan). Chetlangan qiymat (juda katta maosh) o'rtachani tortadi — mediana barqaror (asimmetrik ma'lumotda mediana afzal). Tarqoqlik — ma'lumot yoyilishi: standart chetlanish (std — o'rtacha chetlanish), dispersiya (var — std^2), oraliq (range). Markaz + tarqoqlik ikkalasi kerak (bir o'rtachada ikki har xil ma'lumot).

  2. Kvartil, describe, outlier, korrelyatsiya. Kvartil — ma'lumotni to'rt qismga (Q1=25%, Q2=50% mediana, Q3=75%); IQR (Q3-Q1 — chetlanganga chidamli tarqoqlik); foizli (istalgan %). describe() — barcha statistika bir joyda (count, mean, std, min, kvartil, max). Chetlangan qiymatlar (outlier): IQR usuli (Q1-1.5×IQR dan past yoki Q3+1.5×IQR dan yuqori) — tekshir (xato o'chir, haqiqiy saqla). Korrelyatsiya — ikki o'zgaruvchi bog'lanish (-1..1): 1 (musbat), -1 (manfiy), 0 (yo'q); df.corr(numeric_only=True). Asimmetriya (skew) — taqsimot shakli (0 simmetrik, musbat o'ngga cho'zilgan).

  3. Statistikani halol ishlatish. Statistika ma'lumotni xulosalaydi, lekin chalg'itishi mumkin: bir son (o'rtacha) to'liq rasmni bermaydi (markaz + tarqoqlik + taqsimot kerak), o'rtacha chetlanganga tortiladi (mediana haqiqatroq). "Korrelyatsiya ≠ sababiy" (correlation ≠ causation) — statistikaning eng muhim tamoyili: birga o'zgarish (korrelyatsiya) biri ikkinchini keltirib chiqaradi (sababiy) degani emas (muzqaymoq + cho'kish — ikkalasi yozda). Halol statistika: to'liq rasm, to'g'ri o'lchov (asimmetrik → mediana), ehtiyotli talqin. "Statistika bilan yolg'on oson, halol statistika — mas'uliyat". Statistika — ma'lumotdan haqiqatni ajratish.

Keyingi darsda gipoteza tekshiruvi ni o'rganamiz: statistik test (t-test, p-qiymat) bilan — ma'lumotdan xulosa ishonchlimi yoki tasodifmi, "ilmiy" qaror qabul qilish usuli.

Malumot tahlili · 16-dars yakunlandi

24.16-dars: Statistika — tavsifiy

16 daqvaqt
0belgi
Keyingi dars: 24.17-dars: Statistika — gipoteza
Telegram'da
Darsda xato koʻrdingizmi?

Izohlar · 0