Zhrnutie na Základy štatistiky a dátovej analýzy
Základy štatistiky a dátovej analýzy: Kompletný prehľad
Úvod
Štatistika je nástroj na zber, zhrnutie a interpretáciu údajov. Pomáha porozumieť dátam z pozorovaní alebo meraní a urobiť z nich prehľadné závery. Tento materiál pokrýva základné pojmy v deskriptívnej štatistike, pravdepodobnosti a vizualizácii údajov.
Čo sa naučíte
- Typy údajov a spôsob ich zaznamenávania
- Frekvenčné tabuľky a grafy (histogram, bodový graf, boxplot)
- Základné pojmy pravdepodobnosti vrátane podmienenej pravdepodobnosti
- Opisné ukazovatele: priemery, rozptyl, kvantily, šikmosť a špicatosť
Definícia: Štatistika je súbor metód na zber, zhrnutie a interpretáciu údajov.
A. Údaje, početnosti a grafy
Typy údajov
- Kvalitatívne údaje: kategórie, napr. pohlavie, farba obuvi.
- Kvantitatívne údaje: číselné hodnoty.
- Diskrétne: celé počty (napr. počet detí).
- Spojité: merania na reálnej škále (napr. výška v cm).
Definícia: Kvalitatívne údaje sú nekvantifikovateľné kategórie; kvantitatívne údaje sú merateľné číselné hodnoty.
Frekvenčná tabuľka
- Zobrazuje hodnoty alebo triedy a ich absolútnu početnosť $n_i$ a relatívnu početnosť $p_i = \frac{n_i}{n}$.
- Pri spojitých dátach používame triedy (intervaly).
Definícia: Frekvenčná tabuľka je tabuľka hodnôt/tried a počtov ich výskytov.
Príklad: Záznam počtu študentov v skupinách: hodnoty $0$, $1$, $2$, $3$ s absolútnymi početnosťami $5$, $12$, $20$, $3$.
Obyčajná vs. kumulatívna početnosť
- Obyčajná početnosť $n_i$ ukazuje počet len v danej hodnote alebo triede.
- Kumulatívna početnosť $N_i = \sum_{k\le i} n_k$ ukazuje počet do danej triedy vrátane.
Absolútna vs. relatívna početnosť
- Absolútna: počet výskytov $n_i$.
- Relatívna: podiel z celkového počtu $p_i = \frac{n_i}{n}$ (často v %).
Grafy
- Histogram: stĺpce pre intervaly, výška = početnosť; ukazuje rozdelenie údajov.
- Bodový graf (scatter plot): zobrazuje dvojice hodnôt; veľký rozptyl = body rozptýlené.
- Boxplot: zobrazuje medián, kvartily a outliery.
Definícia: Histogram zobrazuje frekvenciu hodnôt v intervaloch pomocou stĺpcov.
B. Pravdepodobnosť
Základná definícia
Definícia: Pravdepodobnosť je číslo medzi $0$ a $1$, ktoré udáva šancu, že nastane daný jav.
- Pravdepodobnosť $P(A)$ udáva mieru istoty javu $A$.
- $P(A)=0$ znamená nemožný jav, $P(A)=1$ znamená istý jav.
Relatívna početnosť ako odhad
- Relatívna početnosť $p_i$ z reálnych dát je odhad pravdepodobnosti javu, najpresnejší pri veľkom $n$.
Závislosť javov a podmienená pravdepodobnosť
- Javy sú závislé, ak nastanie jedného jav mení pravdepodobnosť druhého.
Definícia: Podmienená pravdepodobnosť $P(B\mid A)$ je pravdepodobnosť javu $B$ za predpokladu, že nastal jav $A$.
- Vzťah: $$P(B\mid A)=\frac{P(A\cap B)}{P(A)}$$ ak $P(A)>0$.
Zjednotenie javov
- Zjednotenie $A\cup B$ znamená, že nastane aspoň jeden z javov.
- Pri počítaní pravdepodobnosti $P(A\cup B)=P(A)+P(B)-P(A\cap B)$.
C. Opisná štatistika (deskriptívna)
Účel
Definícia: Deskriptívna štatistika opisuje a zhrňuje dáta z konkrétneho súboru bez záverov o populácii.
Hlavné ukazovatele
- Priemery: aritmetický, vážený, harmonický, geometrický.
- Stredné hodnoty: medián, modus.
- Rozptyl $\sigma^2$ a smerodajná odchýlka $\sigma$.
- Kvaritily, IQR (interkvartilový rozsah).
- Šikmosť (skewness) a špicatosť (kurtosis).
Tabela: Porovnanie vybraných priemerov
| Priemer | Použitie | Vplyv extrémov |
|---|---|---|
| Aritmetický $\bar{x}=\frac{1}{n}\sum_{i=1}^{n} x_i$ | Bežný priemer | Citlivý na extrémy |
| Medián | Stred poradia | Odolný voči extrémom |
| Harmonický $H=\frac{n}{\sum_{i=1}^{n} \frac{1}{x_i}}$ | Priemerné rýchlosti | Silne citlivý na malé hodnoty |
| Geometrický $G=\left(\prod_{i=1}^{n} x_i\right)^{1/n}$ | Rasty, indexy | Menšie ako aritmetický pri pozit. hodnotách |
Definícia: Medián je hodnota, ktorá delí usporiadané dáta na dve r
Zaregistruj sa pre celé zhrnutieUž máš účet? Prihlásiť sa
Štatistika - Základy
Klíčové pojmy: Rozlíšiť kvalitatívne a kvantitatívne údaje, Frekvenčná tabuľka: absolútna $n_i$ a relatívna $p_i=\frac{n_i}{n}$, Histogram zobrazuje rozdelenie v intervaloch, Kumulatívna početnosť je kumulovaný súčet $N_i=\sum_{k\le i} n_k$, Pravdepodobnosť $P(A)\in[0,1]$; $P(B\mid A)=\frac{P(A\cap B)}{P(A)}$, Aritmetický priemer $\bar{x}=\frac{1}{n}\sum_{i=1}^{n} x_i$; medián je stred usporiadania, Rozptyl $\sigma^2=\frac{1}{n}\sum_{i=1}^{n}\left(x_i-\bar{x}\right)^2$ a $\sigma=\sqrt{\sigma^2}$, Kvartily $Q_1,Q_2,Q_3$ a IQR = $Q_3-Q_1$, Modus = najčastejšia hodnota, Pre kladné hodnoty platí $H \le G \le \bar{x}$, Súčet absolútnych početností $\sum_i n_i = n$, Boxplot odhalí outliery rýchlo