24.16-dars: Statistika — tavsifiy
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,
statisticsbilan sinaladi.
2. Nazariya — chuqur tushuntirish
2.1. Markaziy tendensiya
Ma'lumot markazi:
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:
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:
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 oraliqKvartil — 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:
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:
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:
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:
series.skew() # asimmetriya
# 0: simmetrik (normal)
# > 0: o'ngga cho'zilgan (uzun o'ng dum)
# < 0: chapga cho'zilganAsimmetriya (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
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,
statisticsbilan sinaladi.
Misol 1 — Markaziy tendensiya va tarqoqlik
"""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:
=== 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 kerakNima ko'rsatdi: 2.1, 2.2-bo'limlar.
Misol 2 — Kvartil va describe
"""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:
=== 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
"""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:
=== 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.
"""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:
=== 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 tahlilNima 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)
data.mean() # yolg'iz yetmaydi # ⚠️
data.mean(), data.std() # markaz + tarqoqlik # ✅2. Asimmetrikda o'rtacha
maosh.mean() # chetlangan tortadi # ⚠️
maosh.median() # barqaror # ✅3. Korrelyatsiyani sababiy deb talqin
# muzqaymoq sotuvi + cho'kish korrelyatsiya # ⚠️ (ikkalasi — yoz)
# korrelyatsiya ≠ sababiy # ✅4. ddof e'tiborsiz
np.std(data) # ddof=0 (populyatsiya) # namuna uchun
np.std(data, ddof=1) # namuna (sample) # ✅5. Chetlangan qiymatni ko'r-ko'rona o'chirish
# outlier o'chir (avtomatik) # ⚠️ (haqiqiy bo'lishi mumkin)
# tekshir: xato? o'chir. haqiqiy? saqla # ✅6. corr matn ustun bilan
df.corr() # matn xato # ⚠️
df.corr(numeric_only=True) # ✅7. Statistika bilan chalg'itish
# 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
Markaz + tarqoqlik (bittasi yetmaydi).
Asimmetrikda mediana (o'rtacha emas).
describe()— tez xulosa.Chetlangan qiymatni tekshir (o'chirma).
Korrelyatsiya ≠ sababiy (ehtiyotli).
Namuna uchun
ddof=1.To'liq rasm (chalg'itma).
Statistikani grafik bilan (24.13–24.14).
9. Amaliy topshiriq
Vazifa 1: Bashorat qiling
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
- Ma'lumot markazi
- mean chetlangan sezgir, median barqaror
- Eng ko'p uchraydigan qiymat
- Standart chetlanish (tarqoqlik)
- std kvadrati
- Ma'lumotni to'rt qismga (25/50/75%)
- Kvartillararo oraliq (Q3-Q1)
- To'liq statistik xulosa
- Chetlangan (anomal) qiymat
- Ikki o'zgaruvchi bog'lanish (-1..1)
- Yo'q (correlation ≠ causation)
- Asimmetriya (taqsimot shakli)
Vazifa 2: Xatolarni tuzating
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_onlyJavoblar
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:
- mean, median
- std, var
- mean vs median
- Talqin
Vazifa 4: Kvartil
Taqsimot:
- percentile
- IQR
- describe
- Foizli
Vazifa 5: Outlier/korrelyatsiya
Tahlil:
- IQR usuli
- Korrelyatsiya
- Musbat/manfiy
- skew
Vazifa 6: To'liq
Statistik:
- Markaz
- Tarqoqlik
- Kvartil
- 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
- Bir son yetmaydi (to'liq rasm)
- O'rtacha chalg'itishi (mediana)
- Korrelyatsiya ≠ sababiy
- Halol statistika — mas'uliyat
6. Xulosa
- Markaz + tarqoqlik + taqsimot (to'liq)
- To'g'ri o'lchov (asimmetrik)
- Korrelyatsiya ≠ sababiy
- Statistikani halol ishlat
Nimani mustahkamlaydi: 2.1–2.8-bo'limlar.
Xulosa
Bu darsda tavsifiy statistikani o'rgandik.
Eng muhim uch fikr:
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).
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×IQRdan past yokiQ3+1.5×IQRdan 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).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.
Izohlar · 0
Izoh yozish uchun kiring.