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?