Podręcznik uczestnika z objaśnieniami, przykładami i ćwiczeniami do samodzielnej nauki
3. Rozkład i statystyki opisowe
Pytanie M3-P01 dotyczy typowych wartości i zróżnicowania czterech miar. Jedna średnia nie opisuje wszystkich własności rozkładu. Potrzebujesz informacji o środku, rozproszeniu, granicach oraz liczbie dostępnych obserwacji. Każda z tych perspektyw pomaga wykryć inną pułapkę interpretacji.
Średnia arytmetyczna wykorzystuje każdą dostępną wartość. Pojedynczy skrajny pomiar może więc ją przesunąć. Mediana wskazuje środek uporządkowanych danych i słabiej reaguje na pojedyncze maksimum. Dla parzystej liczby obserwacji jest średnią dwóch środkowych wartości, dlatego nie musi odpowiadać jednemu rzeczywistemu pomiarowi.
Podobieństwo średniej i mediany nie dowodzi symetrii ani braku wartości nietypowych. Dla drgań obie miary są bliskie 1,24 mm/s, mimo obecności maksimum 4,850 mm/s. W energii średnia około 13,929 kWh jest niższa od mediany 14,235 kWh. Tę różnicę warto zbadać, lecz sama nie wyjaśnia kształtu ani przyczyny rozkładu.
Kwartyle percentyle i rozproszenie
Pierwszy kwartyl Q1 odpowiada pozycji około 25%, a trzeci Q3 około 75% uporządkowanych danych. Pas pomiędzy nimi opisuje środkową połowę obserwacji. Rozstęp międzykwartylowy IQR jest różnicą Q3 i Q1. W odróżnieniu od rozstępu, czyli różnicy maksimum i minimum, nie opiera się wyłącznie na dwóch skrajnych wartościach.
Percentyl P90 wskazuje próg, którego nie przekracza około 90% wartości w analizowanym zbiorze. Dla drgań wynosi około 1,438 mm/s. Nie oznacza to 90% prawdopodobieństwa dla następnego pomiaru. Kwantyle mogą być interpolowane między obserwacjami; zaokrąglenie i powtarzające się wartości także wpływają na dosłowne liczenie obserwacji przy progu.
Odchylenie standardowe opisuje rozproszenie wokół średniej i reaguje na wartości skrajne. Pandas w std() i describe() domyślnie używa ddof=1, czyli dzielnika n−1 przy obliczaniu wariancji. Odchylenie, IQR i rozstęp zachowują jednostkę zmiennej. Nie porównuj ich wielkości bezpośrednio między temperaturą, energią i produkcją.
Liczebność jako część wyniku
Wierszy jest 720, ale count energii wynosi 718, a produkcji 719. Podstawy statystyk nie są zatem identyczne. Usunięcie całych wierszy z brakami energii pozbawiłoby inne analizy poprawnych temperatur i drgań. Każdą miarę licz na właściwym zbiorze dostępnych wartości i podawaj jej liczebność.
Tabela odpowiadająca na M3 P01
MIARY = ["temperatura", "drgania", "energia", "produkcja"]
jednostki = {"temperatura": "°C", "drgania": "mm/s",
"energia": "kWh", "produkcja": "szt. na interwał"}
statystyki = pomiary_clean[MIARY].describe(
percentiles=[.10, .25, .50, .75, .90]
).T
statystyki["IQR"] = statystyki["75%"] - statystyki["25%"]
statystyki["braki"] = pomiary_clean[MIARY].isna().sum()
statystyki["braki_proc"] = statystyki["braki"] / len(pomiary_clean) * 100
statystyki["jednostka"] = pd.Series(jednostki)
statystyki.index.name = "zmienna"
display(statystyki.round(3))
Describe() zwraca liczbę niebrakujących wartości, średnią, odchylenie, minimum, maksimum i wskazane percentyle. Transpozycja .T sprawia, że jedna zmienna zajmuje jeden wiersz. Nazwy 25%, 50% i 75% oznaczają Q1, medianę i Q3. Dołączone kolumny pokazują brakującą część danych oraz jednostkę.
|
Zmienna |
n i braki |
Średnia |
Mediana |
|---|---|---|---|
|
Temperatura °C |
720 i 0 |
59,275 |
59,330 |
|
Drgania mm/s |
720 i 0 |
1,246 |
1,243 |
|
Energia kWh |
718 i 2 |
13,929 |
14,235 |
|
Produkcja szt. |
719 i 1 |
152,676 |
153,000 |
|
Zmienna |
Q1 do Q3 |
Minimum do maksimum |
Odchylenie standardowe |
|---|---|---|---|
|
Temperatura °C |
57,17–61,60 |
52,70–66,25 |
2,880 |
|
Drgania mm/s |
1,132–1,3515 |
0,781–4,850 |
0,205 |
|
Energia kWh |
12,84–14,9775 |
11,48–15,89 |
1,233 |
|
Produkcja szt. |
147–158 |
133–173 |
7,144 |
Tabele pokazują zaokrąglone wyniki. W obiekcie statystyki zachowaj pełną precyzję do dalszych obliczeń. Z podanych kwartyli otrzymasz IQR temperatury 4,43 °C, drgań 0,2195 mm/s, energii 2,1375 kWh i produkcji 11 sztuk. Określenie „duże zróżnicowanie” wymagałoby porównywalnego punktu odniesienia.
Wpływ maksimum i odpowiedzialna interpretacja
Sprawdź, jak zmienią się podsumowania drgań po tymczasowym wyłączeniu jednego wskazanego maksimum. Eksperyment wykonaj na osobnej serii. Nie zmieniaj pomiary_clean ani pliku z M2. Wariant odpowiada na pytanie o wrażliwość wyniku, nie rozstrzyga poprawności samego pomiaru.
pelne = pomiary_clean["drgania"]
bez_max = pelne.drop(index=pelne.idxmax())
wrazliwosc_statystyk = pd.DataFrame({
"pelny": pelne.agg(["count", "mean", "median", "std"]),
"bez_maksimum": bez_max.agg(["count", "mean", "median", "std"])
}).T
display(wrazliwosc_statystyk.round(3))
Dla pełnych 720 obserwacji średnia wynosi około 1,246 mm/s, mediana 1,243, a odchylenie 0,205. Dla 719 wartości otrzymasz odpowiednio 1,241, 1,242 i 0,154 mm/s. Mediana zmienia się minimalnie, podczas gdy odchylenie maleje o około jedną czwartą. Bliskość średniej i mediany nie wystarczyła więc do oceny wpływu maksimum.
Cztery warstwy odpowiedzi
Wynik obliczenia zawiera konkretną miarę, jednostkę i liczebność. Obserwacja mówi, co widać w wyniku. Interpretacja wskazuje możliwe znaczenie lub kierunek dalszego sprawdzenia. Ograniczenie wyznacza granicę tego, co można stwierdzić. Zachowaj ten podział w każdej odpowiedzi modułu.
Dla temperatury możesz zapisać: „Mediana wynosi 59,33 °C dla 720 pomiarów, a Q1 i Q3 to 57,17 i 61,60 °C. Środkowa połowa danych mieści się w tym przedziale. Warto sprawdzić, czy podobny poziom występuje we wszystkich urządzeniach. Podsumowanie całego zbioru nie rozstrzyga różnic między grupami ani warunków ich pracy”.
Ćwiczenie w notebooku
Przygotuj po jednej obserwacji dla każdej z czterech zmiennych, z jednostką i liczebnością. Dla drgań uwzględnij eksperyment wrażliwości. Odczytaj P10 i P90 i wyjaśnij je własnymi słowami. Tabelę statystyk zachowaj do eksportu na końcu książki.
Sprawdź rozumienie 2
Średnia i mediana drgań prawie się pokrywają. Czy można pominąć analizę wartości skrajnych? Dlaczego P90 nie jest prognozą następnego odczytu?